Lossy Compressive Text Autoencoders 论文发布
Get the story
2026年10月9日，arXiv 计算与语言栏目发布《Lossy Compressive Text Autoencoders》论文。该工作提出一种自编码器架构，在时间轴上对隐藏表示做残差缩放与升采样，并引入低维离散瓶颈，用于学习文本的压缩潜表示。研究分析了不同量化方法、训练目标与数据集，并用 BLEU 和基于 LLM 的评判评估重建质量。结果显示，在网页文本上，其压缩表示达到 2.24 bits per byte，与无损文本压缩算法相当，同时在下游问答与语义文本相似度基准上保持良好表现。目前报道仅涉及论文内容，未见后续实验验证或同行评议信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and LanguageLossy Compressive Text Autoencoders
该工作提出一种自编码器架构，在时间轴上对隐藏表示做残差缩放与升采样，并引入低维离散瓶颈，用于学习文本的压缩潜表示。研究分析了不同量化方法、训练目标与数据集，并用 BLEU 和基于 LLM 的评判评估重建质量。在网页文本上，其压缩表示达到 2.24 bits per byte，与无损文本压缩算法相当，同时在下游问答与语义文本相似度基准上保持良好表现。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.