随着非二元人在西方社会的关注越来越多，性别对语言的策略开始摆脱二进制（仅女性/男性）性别概念。然而，到目前为止，几乎没有任何将这些身份考虑到机器翻译模型中的方法。缺乏对此类技术的社会技术意义的理解，可能会进一步再现压迫和贴标记的语言机制。在本文中，我们描述了关于性别对语言和语言技术研讨会的方法和结果，该研讨会由Tu Wien，St.P \“ Olten UAS，FH UAS，FH校园Wien和Vienna大学的十位研究人员领导和组织并于2021年秋季在维也纳举行。邀请了广泛的利益集团及其代表确保可以整体处理该主题。因此，我们的目的是包括翻译人员，机器翻译专家和非二元个人（如社区专家”）在平等的基础上。我们的分析表明，机器翻译中的性别需要高度的上下文敏感性，因此，这种技术的开发人员需要在仍在社会谈判中的过程中谨慎地定位自己，并且灵活的方法似乎最适合目前。然后，我们说明了从性别面对语言技术领域的结果遵循的步骤，以便技术发展可以充分地排列U P具有社会进步。 - [德语摘要由Arxiv Admins手动添加]
translated by 谷歌翻译
2021-11-03
多模态语言视觉模型培训超过数亿图像文本对（例如剪辑，dall-e）获得了最近的浪涌，表明即使在没有每个的情况下也能够执行零或几秒钟学习和转移的显着能力目标图像数据上的示例标签。尽管存在这种趋势，迄今为止没有公开可公开的数据集足以从头划伤培训此类模型。为解决这个问题，在社区努力中，我们为公共LAION-400M构建和发布，一个具有剪辑的数据集 - 过滤400万图像文本对，其剪辑嵌入式和KNN指数允许有效的相似性搜索。
translated by 谷歌翻译
我们介绍折扣，一种用于学习通用音频表示的自我监督的预训练方法。我们的系统基于群集：它利用了离线群集步骤来提供充当伪标签的目标标签，用于解决预测任务。我们开发了最近的自我监督学习近期进步，为计算机愿景和设计轻量级，易于使用的自我监督的预训练计划。我们在大型音频数据集的平衡子集上预先列车脱换嵌入式，并将这些表示转移到9个下游分类任务，包括语音，音乐，动物声音和声学场景。此外，我们开展识别关键设计选择的消融研究，并通过公开提供所有代码和预先训练的型号。
translated by 谷歌翻译