Rethinking the Advances and Challenges of Contemporary Auto-cataloging Workflows: In the AI Processing Era
-
摘要: 基于AI算法的自动编目技术逐步成为主流的今天，预训练模型的泛化性问题也在成为共识。本文通过对一些最新成果的综述和一些简单的测试，试图指出这一技术瓶颈问题，并阐述关于未来发展的想法。一方面，AI模型评价体系亟需更新，目前主流的基于人工标注的评价方式存在一些局限性，且对于用户的具体案例而言缺乏实用性；另一方面，关于训练数据与模型表现的关系的研究尚处萌芽状态，各家解决泛化性问题的策略也各有不同，但针对这个复杂的问题都缺少系统性讨论。本文旨在给出方向性的建议，即这些技术难题有可能通过何种方式取得进展，希望对钻研AI编目技术的研究者有所帮助。
-
点击查看大图
计量
- 文章访问数: 341
- HTML全文浏览量: 14
- PDF下载量: 54
- 被引次数: 0
下载:
