Sick

新的神经符号NLI系统提高了命题链接的准确性

研究人员开发了一种新颖的神经符号自然语言推断（NLI）方法，该方法提高了前提句和假设句之间命题链接的准确性。该新系统引入了一个可训练的原子链接器，与先前使用固定基于嵌入的选择或不变的句子级NLI模型不同，它可以联合预测链接存在、源选择和关系类型。该系统仅使用句子级NLI标签进行训练，无需特定的原子对注释，并在SNLI、SICK和MNLI等基准数据集上显示出显著的准确性提高。