实体
multi-hop reasoning
multi-hop reasoning
PulseAugur coverage of multi-hop reasoning — every cluster mentioning multi-hop reasoning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
图 RAG 使用知识图谱解决复杂问题
一个演示展示了图 RAG 如何结合知识图谱和多跳推理来解决复杂问题。该示例涉及一个虚构场景，即一颗钻石在一列行驶的火车上消失，说明了这种人工智能方法在寻找传统向量搜索可能忽略的细微线索方面的能力。
-
新基准\unlearning 测试 LLM 知识移除在复杂推理和攻击下的表现
研究人员引入了一个名为 \unlearning 的新基准，用于评估大型语言模型（LLM）的机器学习遗忘技术的有效性。该基准通过关注多跳推理路径（可以揭示更细微的知识泄露）并测试遗忘技术在对抗恢复攻击时的鲁棒性，来解决现有方法的局限性。使用 \unlearning 在三个模型和六种遗忘方法上进行的实验表明，当前技术在多跳推理和恢复攻击方面都存在漏洞，这凸显了对更鲁棒的遗忘策略的需求。
-
新研究探讨Transformer学习动力学和推理机制 · 追踪4个来源
三篇最新的arXiv论文深入探讨了Transformer模型的内部工作原理，重点关注其学习动力学和推理能力。第一篇论文提出了一个理论框架来解释Transformer中的归纳推理，认为训练动力学可以被限制在一个可解释的低维流形中。第二篇论文探讨了Transformer中一个数学上可证明的两阶段训练动力学，可能与句法和语义等解耦特征有关。第三篇论文研究了多跳推理，提出了一个“身份桥接”机制来解决“两跳推理诅咒”问题并改善分布外泛化能力。