在使用torch.nn.Module类编写深度学习模型的时候，我们通常会在里面定义很多的Parameters（比如nn.Linear等等）。这些Parameters是会随着模型的不断训练而更新的。 但是，如果我们需要定义一些不变的常量该怎么

CasEE: A Joint Learning Framework with Cascade Decoding for Overlapping Event ExtractionBackground & Contributions事件

Prompt EngineeringPrompt ShapePrompt shape主要分为两种： cloze prompts。这种就是常见的完型填空式，多用于text classification任务，通常用Masked LM求解；

8月中旬至9月中旬计划 课程学习：MIT 大学计算机教育中缺失的一门课 IDEA VIM YYDS！ LeetCode刷刷刷！ 代码多练习才能慢慢掌握！ 基本确定了目标：算法工程师中偏工程的那一部分，而不是偏算法

Motivations & Contributions近期，关于Prompt-based的论文有很多，其核心思想在于利用Pre-trained Language Model的原有预训练任务（最常见的就是MLM），在不引入新的参数的情

使用

Windows下查看GPU(NVIDI)使用情况

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hex

SimCSE: Simple Contrastive Learning of Sentence Embeddings1. Background(要解决的问题)得到更好的Sentence Embedding 2. Contributions(

Event Time Extraction and Propagation via Graph Attention Networks 作者： Background(要解决的问题)当前的事件时间抽取（temporal event gro

划重点：TPLinker是实体关系抽取的新范式，巧妙设计了统一的联合抽取标注框架，可实现单阶段联合抽取、并解决暴露偏差，同时依旧可以解决复杂的重叠关系抽取。 实体关系抽取是NLP社区备受关注的子任务之一，热度很高，在2020年SOTA就

为了解决实体关系联合抽取中存在的重叠关系和暴露偏差问题，本文提出了一个单阶段联合抽取模型——TPLinker，在2个数据集（NYT和WebNLG）上达到了SOTA。