AI 与机器学习2015arxiv.org
用时间卷积网络从零开始理解文本
Text Understanding from Scratch Using Temporal Convolutional Networks
进阶 · 约 60 分钟读完前置知识：卷积神经网络基础、文本分类基础
导读
这篇论文提出用时序卷积网络（TCN）从字符级别直接学习文本表示，无需词向量等预处理，即可完成情感分析、主题分类等任务。作者声称在多个基准数据集上达到或超过传统方法（如词袋模型）的性能。
HN 关注点：深度学习方法是否真的显著优于简单的词袋模型+逻辑回归基线，以及提升幅度是否值得训练成本。
HN 评论精选
这几条评论里：质疑 2 补充 2
质疑质疑性能提升幅度小、训练成本高，不认为结果值得惊叹
令人惊讶？在 GPU 上训练好几天只比词袋模型好 3%？可能是我理解有误，但我并不觉得惊讶。
sgt101查看英文原文
Astonishing? 3% better than bag of words after n days training on GPU's? I have misunderstood because I am not astonished.
质疑指出简单基线已很强，猜测 BOW 表现受限可能是词表太小
让我惊讶的是（词袋模型+逻辑回归）在大多数基准上表现就够好了（除了 Amazon Review）。不过仍是篇有趣的论文。会不会是因为词袋的词表限制在 5000，丢失了很多信息？
eva1984查看英文原文
What surprises me is that (BOW model + logistic regression) works just fine in most of the benchmarks(except for Amazon Review), interesting paper anyway. Could it be that because the vocabulary for BOW is limited to 5000, a lot of information is lost?
补充提出论文缺少的关键对比实验
开放问题：与字符级输入的 RNN 对比；与专门的情感分析和主题分类方法对比。
sushirain查看英文原文
Open questions: * Compare to RNNs with character level input. * Compare to dedicated methods of sentiment analysis and topic categorization.
补充提醒链接应指向 arXiv 摘要页而非 PDF
我照例请求用摘要页而不是 PDF：http://arxiv.org/abs/1502.01710 。
JadeNB查看英文原文
My usual plea for abstracts over PDFs: http://arxiv.org/abs/1502.01710 .
历次讨论
- 2015Hacker News 讨论帖61 分 · 9 评
- 2015Hacker News 讨论帖53 分 · 5 评
- 2017Hacker News 讨论帖10 分 · 0 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选