Supervised Learning of Universal Sentence Representations from Natural\n Language Inference Data

• 类型：arxiv
• 标识：1705.02364
• 链接：https://arxiv.org/abs/1705.02364
• 主题：llm-infra
• 主分类：llm-infra
• 形态：method
• 被引：2231
• 被引来源：Semantic Scholar
• S2被引：2231
• OpenAlex被引：2077
• 影响力被引：327
• TLDR：It is shown how universal sentence representations trained using the supervised data of the Stanford Natural Language Inference datasets can consistently outperform unsupervised methods like SkipThought vectors on a wide range of transfer tasks.
• OpenAlex ID：W2963918774
• OpenAlex DOI：10.48550/arxiv.1705.02364
• DOI：10.48550/arxiv.1705.02364
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1705.02364
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 标题中文：基于自然语言推理数据的通用句子表示有监督学习
• TLDR中文：论文表明，使用 Stanford Natural Language Inference 数据集有监督训练的通用句子表示，在广泛的迁移任务上能持续优于 SkipThought vectors 等无监督方法。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]