在 Unsplash 上由Fatih yurür拍照
欢迎回来！这是全新的一周。如果你不知道，我们挖掘了 arXiv 的新代码链接功能的金矿(在上周的新闻稿中提到)。最近，arXiv 与 PapersWithCode 合作，在摘要页面上方便地将任何相关的回购链接到其附带的论文(这比跟踪 PDF 好得多)。👇
解密的
嗯…我们想知道我们是否可以提取链接，比如说…在连续 5 天的一周内发表的所有 NLP 相关的论文？！？！请注意，arXiv 上的论文是在周一至 Fri 发布的，每周 NLP 相关材料的论文总数在 300-500 篇之间。
在过去的一周里，有 330 篇论文发表在计算和语言目录中。其中，108 个有 GitHub 链接👀。这大约是 0.300 的平均打击率(比最近的 17-20%略高)。其余的没有代码，但是有链接到 PapersWithCode 网站的论文。最后的 11 个左右都不包括，这些被排除在外，给我们一个总数为 319。(请记住，代码可以在以后添加，所以有可能一些摘要在过去的 72 小时内已经被代码填充，因此我的统计数据可能会略有偏差)
数据转储有 3 个字段:
摘要的网址*，*
摘要的标题
将编码到 GitHub 页面(如果可用)或 PwC。**
arxiv_10_17 id，url，title，code 1，https://arxiv.org/abs/2010.07375，[2010.07375]神经叙事的解码方法…
docs.google.com](https://docs.google.com/spreadsheets/d/151pATsU_ajV6lApke9_A1oMVC2QCfovgo3w0JjUczMY/edit?usp=sharing)
酷事实 : 较老的 论文已经被追溯性地附加了代码链接，尽管这个特性只有一周的历史。(例如【https://arxiv.org/abs/2005.11787】比如这篇论文是 5 月份提交的但是有代码 url)。
总之，这是一个令人敬畏的实验时间，获得的数据量是一种坚果。大量新的图书馆和相关笔记本很快被发现。
顺便说一句，如果你想获得 NLP 论文和其他研究新闻的精彩精选，你可以随时注册我们的时事通讯。(仅供参考,“NLP 论文”并不是指上面链接的 arXiv 数据转储，这只是一次性的😥)
在这里报名:【https://quantumstat.com
…如果你能复制这次冒险，你就是一个真正的绝地大师。👩💻*
谈论文件…
* [## IBM 在 INTERSPEECH 2020 上的研究| IBM 研究博客
www.ibm.com](https://www.ibm.com/blogs/research/2020/10/ibm-research-at-interspeech-2020/)
对于那些对构建现代 ML 堆栈并将其应用于现实世界感兴趣的人来说，这个新的斯坦福研讨会系列刚刚起步:
最后但并非最不重要的是，特别感谢 Sebastian Ruder 在他的简讯中为超级骗子 NLP Repo 大声疾呼！😎
[## ML 和 NLP 入门工具包，低资源 NLP 工具包，“一个 LM 能理解自然语言吗？”，那个…
newsletter.ruder.io](http://newsletter.ruder.io/issues/ml-and-nlp-starter-toolkit-low-resource-nlp-toolkit-can-a-lm-understand-natural-language-the-next-generation-of-nlp-benchmarks-254211)
Spotify 在 GitHub bruh 上！Klio 是他们的文件处理库，允许你处理大的音频文件(或任何二进制文件)。它是在阿帕奇梁上建造的。
GitHub :
github.com](https://github.com/spotify/klio)
在 O'Reilly 的这份白皮书中，重点讨论了生产领域的 MLOps 主题。本文讨论了:密切关注数据领域转变的迹象、服务水平指标，以便了解模型在生产中的预期性能、模型监控等等。
白皮书:
www.oreilly.com](https://www.oreilly.com/radar/ai-product-management-after-deployment/)
想知道你的语言模型知道多少关于它被训练的数据的事实，(但是在多语言风格中)？X-FACTR 就是这样一个基准。(也做多令牌)。基准遵循来自 T-REx 数据集的以主体-关系-客体三元组形式表达的事实知识。
“X-FACTR 是一个多语言基准，用于探测语言模型中的事实知识。母语人士创建了 23 种语言的提示，通过让他们填写提示的空白来探索 LMs 中的事实知识，例如:Punta Cana 位于 _。
en(英语)、fr(法语)、nl(荷兰语)、ru(俄语)、es(西班牙语)、jp(日语)、vi(越南语)、zh(汉语)、hu(匈牙利语)、ko(韩语)、tr(土耳其语)、he(希伯来语)、el(希腊语)、war(瓦雷语)、mr(马拉地语)、mg(马达加斯加语)、bn(孟加拉语)、tl(塔加禄语)、【17】。
[## x 因素
x-factr.github.io](https://x-factr.github.io/)
GitHub :
github.com](https://github.com/jzbjyb/X-FACTR)
Mariana Neves 有一个很棒的 repo，它可以索引不同领域的注释工具，以满足您的 NLP 需求。他们还有一个网络应用程序，可以让你搜索他们的索引。如果您参与数据注释，请将此标记为书签:
github.com](https://github.com/mariananeves/annotation-tools)
News-Please 是一个新闻爬虫，它从…你猜对了，新闻文章中提取结构化信息。这不仅仅是一个刮刀，这个库还允许你从 commoncrawl.org 网站抓取和提取新闻文章！
这里有一个 JSON 输出的例子:
github.com](https://github.com/fhamborg/news-please/blob/master/newsplease/examples/sample.json)
GitHub :
github.com](https://github.com/fhamborg/news-please)
空间更新🔥。变形金刚管道是涂料。他们现在支持多任务学习。他们的更新支持 16 种语言和 51 种管道的新训练模型。点击此处阅读更多内容:
explosion.ai](https://explosion.ai/blog/spacy-v3-nightly)
常识和适配器:https://arxiv.org/pdf/2005.11787.pdf
溯因推理:【https://arxiv.org/pdf/2010.05906.pdf】T2
生物电子加速器:【https://arxiv.org/pdf/2010.06060.pdf
dialogue 是一个对话式人工智能基准，包含 7 个与面向任务的对话相关的数据集。
解密的
github.com](https://github.com/alexa/DialoGLUE/)
论文:https://arxiv.org/pdf/2009.13570.pdf
每周日，我们都会对来自全球研究人员的 NLP 新闻和代码进行一次每周综述。
如需完整报道，请关注我们的 Twitter:@ Quantum _ Stat
