
论文日常阅读笔记——DeeBERT: Dynamic Early Exiting for Accelerating BERT Inference(ACL 2020)

本文提出了DeeBERT,这是一种有效的方法,利用BERT模型中的冗余性,实现更好的质量与效率权衡。实验显示其能够将BERT和RoBERTa的推断加速高达约40%,并揭示BERT模型中不同transformer层的有趣模式。

论文日常阅读笔记——GraphSearchNet: Enhancing GNNs via Capturing Global Dependencies for Semantic Code Search(TSE 2023)

GraphSearchNet: Enhancing GNNs via Capturing Global Dependencies for Semantic Code Search(TSE 2023) …

论文日常阅读笔记——Deep Graph Matching and Searching for Semantic Code Retrieval(TKDD 2021)
Deep Graph Matching and Searching for Semantic Code Retrieval(TKDD 2021) 论文链接:https://doi.org/10.114…