lp stringclasses 3
values | src stringclasses 415
values | mt stringlengths 1 388 ⌀ | ref stringlengths 3 370 | raw int64 0 100 | annotators int64 1 1 | domain stringclasses 1
value | year int64 2.02k 2.02k | task stringclasses 2
values | sys_id int64 0 34 |
|---|---|---|---|---|---|---|---|---|---|
en-zh | Or in other words, we trained the language model to classify an abstract and class ah to abstract and class ah, if the abstract belongs to the class or not. | 换句话说,我们训练语言模型来分类抽象和类。抽象和类,抽象是否属于类或不属于类。 | 或者换句话说，我们训练了语言模型，将一个抽象和类划分为抽象和类，无论抽象属不属于类。 | 50 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | In MTDNN, MTDNN maintains ah heads in the number of tasks in the training set. | 空完成维护在培训集中的任务数量中 | 在MTDNN中，MTDNN在训练集的任务数量上保持着头部。 | 33 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Perhaps more relevant for this video, we will showcase our more permissive metric, the pairwise accuracy, which measures whether the image sentence alignment score is greater for the correct image text pair than for its foiled pair. | 也许更相关。在这段视频中,我们将展示我们更宽松的指标, 对对准确性, 该指标测量图像句子对齐分数, 对正确的图像文本对齐分数 是否比对错的对对高。 | 也许与这段视频更相关的是，我们将展示我们更宽容的指标，即成对的准确性，它衡量的是正确的图像文本对的图像句子对齐得分是否大于其受干扰的对。 | 81 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | This difference in language distributions makes it harder for a system to retrieve relevant candidates, as it indirectly requires an inherent interpretation system that can translate a natural question to a legal question that matches the terminology of statutes. | 语言分布的这种差异使得系统更难检索相关候选人。因为它间接地需要一个内在的解释系统,能够将自然问题翻译成与法律术语相匹配的法律问题。 | 这种语言分布的差异使得系统更难检索到相关候选信息，因为它间接需要一个固有的解释系统，可以将自然问题翻译成与法规术语相匹配的法律问题。 | 80 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | Here, there are long documents that may be up to six thousand words. | 这里是长达六千字的文件。 | 在这里，有一些有可能是长达六千字的长文档。 | 59 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Five methods were compared: CEAS, CAS-Single, CAS-Multi, Clustering, and previous study, Glyph. | 五种方法进行了比较,C-E-A-S,C-E-A-S-单个,C-E-A-S-多个,格子化和之前的研究. | 我们比较了五种方法：CEAS、CAS-Single、CAS-Multi、Clustering，以及之前的研究“Glyph”。 | 70 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So our best performing variant is Roberta-DeductiveReasoner. | 我们的最佳表现是罗伯特的一个侦探原因, | 我们表现最好的变体是Roberta-DeductiveReasoner。 | 65 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | We prepared a vocabulary list of about thirty labels for each of these notational variations. | 的改进等等。准备了一个词汇列表,为每一个这些语法变异,使 | 我们为这些符号变体中的每一个准备了一个大约30个标签的词汇列表。 | 51 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | A release note is a technical document that summarizes the changes distributed with each release of a software product. | 发布注释”是一种技术文档,总结了软件产品的每次发布所分配的变化。 | 发行说明是一个技术文档，它总结了软件产品的每个版本所分发的更改。 | 69 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | We experiment with context independent text encoder, namely word2vec and fastText, and context dependent embedding models, namely Roberta and more specifically CamemBERT which is a French Roberta model. | 我们尝试与背景独立的文本在卡特,即工作和快速的文本和背景依赖床模型即罗伯塔和更具体的常见的贝特,这是一个法国的奥弗塔模型 | 我们尝试了与上下文无关的文本编码器，即word2vec和fastText，以及上下文相关的嵌入模型，即Roberta，更具体地说是CamemBERT，它是个法语Roberta模型。 | 57 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | So in the second step, we do the same thing, but the only difference is that we ah the only difference is one more quantities. | 在第二步,我们做同样的事情,但唯一的区别是唯一的区别是另一个数量, | 所以在第二步中，我们做同样的事情，但唯一的区别是多了一个数量。 | 64 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Here is an example of data. | 这里是数据的一个例子. | 以下是数据的示例。 | 89 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Such a system could provide a free professional legal help service for unskilled humans. | 这样的系统可以提供免费的, 专业的法律帮助服务 为非熟练的人类, | 这样一个系统可以为非技术人员提供免费的专业法律援助服务。 | 70 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | And we all know that these models like to cheat and take shortcuts. | 我们都知道这些模型喜欢作弊和抄近路。 | 我们都知道，这些模型喜欢作弊和走捷径。 | 79 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | So our best performing variant is Roberta-DeductiveReasoner. | 我们最好的表现豁免是 罗伯特·达·芬奇的《崛起》。 | 我们表现最好的变体是Roberta-DeductiveReasoner。 | 10 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | And now that the language model is already finetuned over n minus one dataset using a preliminary multitask finetuning. | ,语言模型已经精心调节在一个使用初步的多任务精心调节的一组 | 现在，语言模型已经用初步的多任务微调在n减1的数据集上进行了微调。 | 48 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | The second method, method, which we call CAS-Multi, consists of four different seq2seq networks, each of which correspond to one of the fixed release note classes. | .我们称之为C-E-A-S-mult的第二种方法由四个不同的6至6网络组成,好吧 | 第二种方法，方法，我们称之为CAS-Multi，由四个不同的seq2seq网络组成，每个网络都对应于一个固定的发行说明类别。 | 38 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Therefore, to train the classifier, that's why we reassigned surveys to each input commit message using the first ten characters of each commit message. | 此,为了训练分类器,我们使用每个提交消息的前10个字符为每个输入提交消息分配两个标签. | 所以，为了训练分类器，这就是为什么我们使用每条提交信息的前十个字符，来对每个输入的提交信息重新分配调查。 | 75 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | They also have trouble distinguishing actions and identifying their participants, even if supported by plausibility biases as we see in the actions piece. | 它们也难以区分行动和识别参与者, 即使在可信性偏见的支持下 | 他们也很难区分动作和识别动作的参与者，即使像我们在动作这块看到的那样有合理性偏差的支持。 | 47 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | For MAWPS, we don't we don't really have ah too many test cases, so I just ignore this part. | 对于M&W,P&S,我们真的没有太多离职案例, 所以我忽略了这部分。 | 对于MAWPS，我们其实没有太多的测试例子，所以我会忽略掉这一部分。 | 53 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | First, I'd like to talk about our motivation for reasoning. | 首先,我喜欢谈论我们的推理动机,所以 | 首先，我想谈谈我们对于推理的动机。 | 78 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | The questions are between five and forty four words long with a median of fourteen words. | 这些问题长度在5到44个字之间,平均长度为40个字.文 | 这些问题的长度在5到44个单词之间，中位数为14个单词。 | 45 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Our approach achieved six percent improvement. | 我们的方法实现了6%的改善。 | 我们的方法实现了6%的改进。 | 96 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Or in other words, we trained the language model to classify an abstract and class ah to abstract and class ah, if the abstract belongs to the class or not. | 或换句话说,我们训练语言模型分类抽象和类,所以 | 或者换句话说，我们训练了语言模型，将一个抽象和类划分为抽象和类，无论抽象属不属于类。 | 59 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | This can be regarded as a summarization task. | 这可以视为总结任务。 | 这可以看作是一项总结 任务。 | 91 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | Dataset analysis. | 数据集分析. | 数据集分析。 | 88 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | We have built a new dataset for automatic release note generation. | 我们已经建立了一个新的沙漠的自动不是peration | 我们已经建立了一个新的数据集，用于自动生成发行说明。 | 60 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Let's look at some characteristic of our dataset. | 让我们来看一下数据集的一些特征. | 让我们来看看我们的数据集的一些特征。 | 72 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So, we also have subtraction with words here to represent the opposite direction. | 我们还在这里用单词进行减法, 来表示相反的方向。 | 我们在这里也有减法与单词代表相反的方向。 | 93 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | So um we further find such constraint actually improves quite a lot for some models. | 我们进一步发现,这种限制实际上在某些模型中 | 我们进一步发现，针对某些模型，这种约束实际上改善了很多。 | 66 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Finally, a conclusion. | 最后,一个结论. | 最后，一个结论。 | 95 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Finally, we also calculate the specificity because ROUGE and BLEU cannot be calculated if the release notes are empty. | 最后,我们还联系了特定性。因为lus和blue无法相关联, 如果里斯的注释是空的 | 最后，我们还计算了特异性，因为如果发行说明是空的，就无法计算ROUG和BLEU。 | 50 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | We prepared a vocabulary list of about thirty labels for each of these notational variations. | 我们为每一个旋转变量编制了大约30个标签的词汇列表, | 我们为这些符号变体中的每一个准备了一个大约30个标签的词汇列表。 | 80 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Furthermore, complicated operators can be actually decomposed into these basic operators. | 此外,复杂的运算符实际上可以分解为这些基本运算符。 | 此外，复杂的运算符实际上可以分解成这些基本运算符。 | 100 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | The two-tower model improves over its Siamese variants on recall at one hundred, but performs similarly on the other metrics. | 双塔模型在召回时比暹罗变体表现更好,但在其他矩阵上表现也类似。 | 双塔模型在召回率上比其siamese模型高出了100，但在其他指标上表现相似。 | 55 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | It uses one architecture for all tasks and datasets. | 在我们的实验中, 它对所有任务都使用一种架构: 数据集, | 它使用一个架构用于所有任务和数据集。 | 70 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | So this quantity come from the previous calculated expression. | 所以这个数量来自以前的卡拉特表达式最后, | 所以，这个数量来自之前计算的表达式。 | 79 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | In this example, the text is the Wikipedia page's abstract. | 在这个例子中,文本是维基百科页面的摘要. | 在这个例子中，文本是维基百科页面的摘要。 | 100 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | The image shows a release note for version two point six point four of the vuejs library. | 品,图像显示了 bosn 两个点六点四的重塑这不是 | 这个图像显示的是vuejs库的2.6.4版本的发行说明。 | 20 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | It's notable how instruments centered on the individual objects like existence and noun phrases are almost solved by ViLBERT twelve in one, highlighting that models are capable of identifying named objects and their presence in images. | 值得注意的是,以个体物体为中心的仪器,如存在和名词短语, 几乎被Wilbert12in1解决,然而 | 值得注意的是，以个别对象（如存在性和名词短语）为中心的工具几乎被ViLBERT十二分之一解决了，这突出表明模型能够识别已命名的对象和它们在图片中的存在。 | 29 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Finally, we also calculate the specificity because ROUGE and BLEU cannot be calculated if the release notes are empty. | 最后,我们也创建了一个特征,因为输了,如果Res Nots是空的,不能被捕捉,一个 | 最后，我们还计算了特异性，因为如果发行说明是空的，就无法计算ROUG和BLEU。 | 10 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | In this example, the original dataset has two classes. | 在这个示例中,原始数据集有两个类 | 在这个例子中，原始数据集有两个类别。 | 99 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | In the end, seven thousand two hundred repositories and eighty two thousand pieces of data were collected. | 七千二百重版和八萬二千件資料被訂正因 | 最后，收集到了7200个存储库和82000份数据。 | 69 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | And here we also use this tau to represent when we should terminate this generation process. | 这里我们也使用tau来表示我们应该在何时终止这个生成过程. | 在这里，我们也使用这个tau来表示我们何时应该终止这个生成过程。 | 96 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | And we do these phrase alterations by focusing on six specific pieces such as existence, plurality, counting, spatial relations, actions and entity coreference, where each piece can consist of one or more instruments, in case we found more than one interesting way to create foil instances. | 的部分来做这些短语修改, 比如存在,多元,计数,空间关系,动作和实体联想, 每个部分可以由一个或多个仪器组成,例 | 当我们在做这些短语改动时，重点关注了六个具体的方面，如存在性、复数、计数、空间关系、动作和实体共指，其中每个方面都可能包含一种或多种工具，以备我们发现不止一个有趣的方式来创造干扰实例。 | 55 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So, ah such difference make it hard to apply beam search because the probability distribution between these two steps is unbalanced. | 这种差异使得光束搜索很难应用, 因为这两个步骤之间的概率分布是不平衡的.所以 | 这种差异使得应用波束搜索变得困难，因为这两个步骤之间的概率分布是不平衡的。 | 95 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | The results with pairwise accuracy are shown here and they are consistent with the results we got from the other metrics is that the best zero shot performance is achieved by ViLBERT twelve in one, followed by ViLBERT, LXMert, CLIP, and finally VisualBERT. | 这里显示了对准确度的结果, 与其他指标的结果一致.最好的零射击性能是由Wilbert12in1取得的,其次是Wilbert,AlexMert,CLIP,最后是VisualBERT. | 这里显示了成对的准确度的结果，它们与我们从其他指标中得到的结果一致，即ViLBERT十二分之一取得了最佳的零样本表现，其次是ViLBERT、LXMert、CLIP，最后是VisualBERT。 | 75 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So, this study shows how the interpretable predictions help us understand the model behavior. | 这项研究表明可解释的预测如何帮助我们理解模型的行为. | 这项研究展示了可解释预测如何帮助我们理解模型行为。 | 97 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So, finally we want to show the interpretability through a question perturbation example. | 最后,我们想通过一个坠机和投影的例子 来展示可解释性。 | 最后，我们想通过一个问题扰动的例子来展示可解释性。 | 60 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | The state-of-the-art in multitask ah multitask finetuning called MTDNN. | 最先进的技术称为MTDNN. | 最先进的多任务多任务微调技术称为MTDNN。 | 47 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So it is good to have interpretable multi-step reasoning as output. | 可解释的多步推理作为输出是很好的. | 所以，最好将可解释的多步骤推理作为输出。 | 77 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | And our reformulated finetuning achieves the best result, the best performance. | 我们重新编码的微调 实现了最好的结果,最好的表现。 | 而我们重新制定的微调实现了最好的结果，最好的表现。 | 77 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | I'll be explaining in this order. | 我们在这个顺序下解释, | 我将按照这个顺序解释。 | 79 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Hi everyone. Today I'm going to present our research work Learning to Reason Deductively: Math Word Problem Solving as Complex Relation Extraction. | 今天我要介紹我們的研究工作學習來回應細節遇到問題的解決,因為複雜的區域提取 | 大家好。今天我将介绍我们的研究工作：《学习演绎推理：作为复杂关系提取的数学文字问题解决方法》。 | 77 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | So better language model has better language understanding abilities so that the number here is higher for Roberta and lower for BERT. | .所以更好的语言模型具有更好的语言理解能力, 因此罗伯塔的数字更高,鸟类的数字更低. | 因此，更好的语言模型具有更好的语言理解能力，因此，这里的数字对于Roberta来说更高，对于BERT来说更低。 | 56 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So, we need to ah feature extraction phase ah which includes text analysis. | 所以我们需要一个特征提取阶段, 包括文本分析。 | 因此，我们需要进行特征提取阶段，其中包括文本分析。 | 92 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | Okay, let me explain the experiments. | 我們的花費實驗五 | 好，让我解释一下实验。 | 56 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | We use a bi-encoder model that maps queries and articles into dense vector representations and calculate a relevance score between a query article pair by the similarity of their embeddings. | 我们使用一个范代码模型,将查询和文章绘制成密集的矢量表示,并根据其嵌入的相似性计算查询文章对之间的相关分数。 | 我们使用双编码器模型将查询和条款映射到密集的向量陈述中，并通过查询条款对嵌入的相似度计算它们之间的相关性分数。 | 59 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | A classifier using BERT or CodeBERT and a generator using BART. | 使用螺栓或冷螺栓的十字架和使用螺栓的发电机。 | 一个是使用BERT或CodeBERT的分类器，另一个是使用BART的生成器。 | 70 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | So our best performing variant is Roberta-DeductiveReasoner. | 我们最有效的方法是罗伯塔的推理推理. | 我们表现最好的变体是Roberta-DeductiveReasoner。 | 43 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So, finally we want to show the interpretability through a question perturbation example. | 最后,我们想通过碰撞和参与示例来展示可解释性. | 最后，我们想通过一个问题扰动的例子来展示可解释性。 | 97 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Next is a commit message. | 递通讯comit | 接下来是提交消息。 | 1 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | So, traditional sequence to sequence model convert the expression to a specific sequence for generation. | 传统的序列对序列模型将表达式转换为生成特定序列.它 | 传统的序列到序列模型将表达式转换为特定的序列以进行生成。 | 88 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Regarding the zero shot evaluation of Siamese bi-encoder, we find that directly using the embeddings of a pretrained CamemBERT model without optimizing for the information retrieval task gives poor results, which is consistent with previous findings. | 关于零店评估的西雅图 bon coe 我们发现,直接使用预训练的骆驼的 unbeddings 但模型没有优化信息处理任务给出了不良的结果,这与以前的发现一致 | 关于siamese双编码器的零样本评估，我们发现直接使用预训练的CamemBERT模型的嵌入，而不对信息检索任务进行优化，结果很差，这与之前的发现一致。 | 63 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | It ah it extracts the text from the knowledge base, which in this example is the abstract of the Wikipedia page. | 从基于知识的文本中提取,在本例中是维基百科页面的摘要。 | 它从知识库中提取文本，在本例子中，它是维基百科页面的摘要。 | 50 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | But statutory article retrieval has remained mainly untouched due to the lack of large and high quality labeled datasets. | 但由于缺乏大规模高质量标签数据集,法定条文检索仍然基本没有触及。 | 但由于缺乏较大的高质量标签化数据集，法定条款检索基本上没有受到影响。 | 100 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | But how do we test whether the vision and language models have captured this phenomena? | 但我们如何测试视觉和语言模型是否捕获了这一现象? | 但是，我们如何测试视觉和语言模型是否捕获了这种现象？ | 76 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | In other words, it cannot be used for many projects on GitHub. | ,它不能用于标签上的许多项目。 | 换句话说，它不能用于GitHub上的许多项目。 | 66 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | When each entity, in this example the university name, is linked to an entity within the knowledge base. | 当这个例子中的每个实体, 大学名称, 与知识库中的实体相 | 当每个实体，在这个例子中是指大学名称，被链接到知识库中的一个实体。 | 75 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | Since it is a zero shot testing benchmark only, it is designed to leverage the existing capabilities of vision and language models after pretraining. | 因为它仅是一个零射击测试基准.它旨在在预培训后利用现有的视觉和语言模型的能力. | 由于它仅是一个零样本测试基准，因此它旨在利用预训练后的视觉和语言模型的现存功能。 | 88 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | Finally, a conclusion. | 最后一个结论 | 最后，一个结论。 | 70 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | The example below shows that the two commit messages in the input are related and should be combined into one sentence, but it fails to do so. | 下面的例子表明,在推動中變異的兩個 commit 訊息應該結合成一個句子,但要做到這一點就快了。 | 下面的例子显示，输入中的两个提交信息是相关的，应该合并成一个句子，但它没有这么做。 | 73 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Second, we should note that not all legal questions can be answered with statutes alone. | 其次,我们应该注意到,并非所有法律问题都可以仅靠法律来回答。 | 其次，我们应该注意，并非所有的法律问题都可以仅通过法规来回答。 | 81 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | In addition, each question comes with the main category and a concatenation of subcategories. | 此外,每个问题都有一个主要类别和一个连接的子类别, | 此外，每个问题都具有主类别和一系列子类别。 | 88 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | So, these slides actually visualize the evolution of the state where we keep adding expression to the current state. | 这张幻灯片实际上可视化了状态的演变, 我们一直在为当前状态添加表达式. | 这些幻灯片实际上可视化了我们不断向当前状态添加表达式的状态的演变。 | 86 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | The first is a system called ARENA released in twenty fourteen. | 第四个系统叫做A'a'a2014年发布的 | 第一个是被称为ARENA的系统 ，发布于2014年。 | 35 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | High coverage of CEAS can be achieved probably because the classifier can focus on selecting relevant commit messages for each class. | GIS的高覆盖率可以实现,这可能是因为分类器可以专注于选择每个类别的相关“承诺信息 | CEAS的高覆盖率之所以能够实现，可能是因为分类器可以专注于为每个类别选择相关的提交信息。 | 47 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | Also, the number of unique tokens is quite large at eight thousand eight hundred thirty thousand. | 此外, 独一无二的代币数量也相当大, 883万. | 此外，独特的令牌数量也相当是大的，有883万个。 | 74 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | And the second thing is that it also contains some repetitive computations. | 第二件事情是,它也有了一些重复的计算,所以在这里, | 其次，其中还包含一些重复的计算。 | 80 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | So, certain assumptions ah also apply as in previous work. | 某些假设也适用,因为在以前的工作中, | 某些假设也适用于之前的工作。 | 88 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | So finally we can obtain this final expression q_3 times q_4. | 我们可以得到这个最后的表达,即三次四次。 | 我们最终可以得到最后这个表达式q_3乘以q_4。 | 55 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | So in our datasets we are also given the mathematical expression which leads to the ah to this particular answer as well. | 在我们的数据集中,我们也得到了导致这个特定答案的数学表达式。 | 在我们的数据集中，还向我们提供了数学表达式，该表达式也导向这个特定的答案。 | 100 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | The first phase of FeSTE is entity linking. | 的第一阶段,当本示例中 | FeSTE的第一阶段是实体链接。 | 12 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | So, in our deductive system, we first start with a bunch of quantities presented in the questions and also including some constant as our initial state ah initial state. | 在我们的演绎系统中, 我们首先从一堆数量开始, 这些数量呈现在金字塔中, 并包括一些常数作为我们的初始状态。这个 | 在我们的演绎系统中，我们首先从问题中提供的一堆量开始，并且还包括一些常数作为我们的初始状态。 | 85 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | The lengthiest one being up to five thousand seven hundred and ninety words. | 这个单词的长度高达 5700 单词。正 | 最长的一条有5790个单词。 | 21 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | We experiment with the standard TF-IDF and BM25 ranking functions. | 使用标准时间和二十五个排名函数进行实验 | 我们使用标准的 TF-IDF和BM25排序函数进行实验。 | 85 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Might not have a detailed answer within statutory law that quantifies a specific noise threshold at which eviction is allowed. | ”可能没有一个详细的答案 在法定法律中 量化一个特定的噪声阈值 驱逐是加载。 | 在成文法中可能没有详细的答案来量化允许驱逐的特定噪音阈值。 | 63 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | Therefore, to train the classifier, that's why we reassigned surveys to each input commit message using the first ten characters of each commit message. | 因此,为了训练工匠, 我们给每个输入承诺信息 分配了SuperRabbits, 使用每个承诺信息的前10个字符。 | 所以，为了训练分类器，这就是为什么我们使用每条提交信息的前十个字符，来对每个输入的提交信息重新分配调查。 | 50 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | So, FeSTE generates two new features. | ,因此快速生成两个新特征。 | 所以，FeSTE生成两个特征。 | 48 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | For example, the tenants makes two parties a week until two AM. | 例如,房客每周开两次派对,直到凌晨2点。 | 例如，租户每周举行两次派对，直到凌晨2点。 | 75 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | What we, what we suggest is to add, to add another finetuning phase. | 我们建议添加另一个微调阶段, | 我们的建议是，添加另一个微调阶段。 | 79 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | For example, um, in these questions we are asking how many apples does Jake have? | 例如,在这个问题中,我们要问杰克有多少个 ?? 果? | 例如，在这些问题中，我们问Jake有多少个苹果？ | 73 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | In particular, on the clean test set, the score gap between the proposed method and the baselines jumped to more than twenty points. | 特别是在创建的平面差距之间提出的质量在 benjup 超过二十个点 | 特别是在干净的测试集上，建议的方法和基线之间的分数差距跃升到20分以上。 | 72 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | The remaining references were matched and converted to the corresponding article ids from our corpus. | 剩余的引用被匹配并转换为我们库中的相应的文章标识. | 其余的参考文献被匹配，并转换为我们语料库中相应的条款ID。 | 50 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | We also have certain limitations. | 我们也有某些局限性, | 我们也有一定的局限性。 | 100 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | First, I will introduce automatic release note generation that we are working on in this research. | 首先我们介绍了我们在本研究中正在研究的自动res not 配方。 | 首先，我将介绍我们在这项研究中正在进行的自动发行说明生成。 | 64 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | Next, I will explain the proposed method. | 接下来,我将解释建议的方法. | 接下来，我将解释所提议的方法。 | 100 | 1 | ACL | 2,023 | multilingual | 2 |
en-zh | And we do these phrase alterations by focusing on six specific pieces such as existence, plurality, counting, spatial relations, actions and entity coreference, where each piece can consist of one or more instruments, in case we found more than one interesting way to create foil instances. | 我们通过专注于六个特定的部分, 来改变这些短语。例如存在、复数、计数、空间关系、行动和实体。CO:参考,每件作品可以由一个或多个乐器组成。以防万一。我们发现不止一种有趣的方法 来创建箔纸实例。 | 当我们在做这些短语改动时，重点关注了六个具体的方面，如存在性、复数、计数、空间关系、动作和实体共指，其中每个方面都可能包含一种或多种工具，以备我们发现不止一个有趣的方式来创造干扰实例。 | 40 | 1 | ACL | 2,023 | multilingual | 21 |
en-zh | Therefore, it would be very useful to be able to automatically generate high quality release notes. | 因此能够匹配生成高核心是非常有用的。 | 因此，如果能够自动生成高质量的发行说明，那将是非常有用的。 | 13 | 1 | ACL | 2,023 | multilingual | 22 |
en-zh | We considered thirty two publicly available Belgian codes and extracted all the articles as well as the corresponding section headings. | 我们考虑了32个公开的比利时代码,并提取了它们的所有条款以及相应的部分标题. | 我们考虑了32个公开可用的比利时法典，并提取了所有条款以及相应的章节标题。 | 69 | 1 | ACL | 2,023 | multilingual | 2 |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.