Wir freuen uns, die Veröffentlichung unseres Artikels " Semantic similarity prediction is better than other semantic similarity measures " in den Transactions on Machine Learning and Research (TMLR) bekannt zu geben. Die Forschung stellt herkömmliche Methoden zur Messung semantischer Ähnlichkeit in natürlichen Texten in Frage. Mit dem STSScore-Ansatz wird fine-tuning Modell für den „Semantic Textual Similarity Benchmark“-TaskAufgaben aus dem GLUE-Benchmark verwendet um die Ähnlichkeit zu messen. Die Ergebnisse zeigen, dass die direkte Vorhersage semantischer Ähnlichkeit durch diesen Ansatz herkömmliche Methoden wie BLEU und embedding-basierte Methoden wie BERTScore und S-BERT übertrifft.