paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
ML

Michael Li

ACL 2026可解释性效率与系统数据与预训练
新星分新星
48
一作贡献30
核心/参与0
方向广度6
合作网络0
1 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
一作ACL 2026Poster· Natural Language Processing

Model Internal Sleuthing: Finding Lexical Identity and Inflectional Features in Modern Language Models

Michael Li · Nishant Subramani

摘要

Large transformer-based language models dominate modern NLP, yet our understanding of how they encode linguistic information relies primarily on studies of early models like BERT and GPT-2. We systematically probe 25 models from BERT Base to Qwen2.5-7B focusing on two linguistic properties: lexic...

可解释性效率与系统数据与预训练OpenReview 项目页

常见合作者