TabCausal: Pretraining Across Causal Environments for Tabular Causal Discovery
TabCausal: 跨因果环境的表格因果发现预训练
机构 * Nanjing University(南京大学)
AI总结 提出TabCausal,一种通过动态任务构建策略在多样化因果环境中进行大规模预训练的因果发现基础模型,在合成和语义基准上优于现有方法。
高校专区
TabCausal: 跨因果环境的表格因果发现预训练
机构 * Nanjing University(南京大学)
AI总结 提出TabCausal,一种通过动态任务构建策略在多样化因果环境中进行大规模预训练的因果发现基础模型,在合成和语义基准上优于现有方法。
LSem2Vec:一种简单且有效的源代码嵌入两阶段方法
机构 * Macau University of Science and Technology(澳门科学技术大学) ; Macau University of Science and Technology Zhuhai MUST Science and Technology Research Institute(澳门科学技术大学珠海 MUST 科技研究院) ; Nanjing University(南京大学)
AI总结 LSem2Vec是结合LLM与句子嵌入模型的两阶段源代码嵌入方法,无需特定任务训练,在三个多语言数据集上优于五种无监督基线,可推进软件工程领域发展。
Comments To be published in Frontiers of Computer Science