研究人员开发了一种新颖的自然语言推断(NLI)方法,该方法利用从原子命题派生的可解释的、基于图的表示。该方法将句子分解为ConceptNet三元组,形成图,然后由微调的语言模型处理。虽然这种基于图的流程在SNLI数据集上取得了有竞争力的准确性,但在ANLI数据集上表现出性能差距,作者将其归因于表示限制而非数据限制。结合图和文本模态被证明是互补的,从而提高了SNLI的准确性。 AI
影响 这项研究探索了一种新颖的方法,使LLM的决策过程更易于审计,从而可能提高NLI系统的信任度和透明度。
排序理由 该集群包含一篇详细介绍自然语言推断新方法的学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Atomic propositions
- ConceptNet
- Luc Pommeret
- RoBERTa-large
- Stanford Natural Language Inference corpus
- Natural Language Inference
- Hugging Face
- large language model
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →