本文探讨以知识为指导的自然语言生成技术,旨在产生具有人类思维方式的文本内容。作者提出了十个目标来指导智能化自然语言生成系统的发展,同时简要回顾了以知识和推理为指导的自然语言生成技术的成就。最后,作者展望了未来的发展方向和挑战。
Dec, 2022
利用符号人工智能的代理设计历史,我们提出了一种新的认知语言代理的蓝图,即 Cognitive Architectures for Language Agents (CoALA) 框架,这个框架将大型语言模型与外部资源或内部控制流结合起来,以实现基于语言模型的推理、概念化、学习和决策。通过 CoALA 框架,我们强调了目前语言代理的不足,并提出了未来发展更强大的语言代理的具体方向。
Sep, 2023
本文主要探讨自然语言生成器 (NLG) 领域包括方法、评估、任务等方面的相关研究,并特别关注了 NLG 被恶意利用的潜在危险,以及存在的偏见风险。
Aug, 2022
该论文介绍了一种利用大型语言模型技术支持智能代理语义词典中新条目的自动学习的系统。这种学习方法通过现有的非玩具词典和自然语言生成器引导启动,将意义的表达按基本本体建立转换为自然语言句子。此学习方法已应用于学习多词表达式,其含义与智能代理语义词典中的及物动词等效。实验展示了一种融合基于知识的方法、资源、传统数据分析和大型语言模型的混合学习架构的优势。
Dec, 2023
本研究提出一个通过共享潜变量将自然语言理解和自然语言生成相结合的生成模型,可在平面和树形形式表示的两个对话数据集上达到最先进的性能,并展示了该模型可以利用未标记数据进行半监督学习以提高其性能。
Jun, 2020
通过 Link Grammar 数据库,提出了一种可以自动生成语法正确句子的自然语言生成方法,远优于目前的最先进的基线水平,可以作为处理自然语言材料并且理解提问的原型 AGI 问答流水线的最终组成部分。
Apr, 2021
研究人工智能自然语言生成系统 (NLG),探讨其任务与应用,介绍 NLG 领域基本知识给潜在的合作伙伴。
May, 1996
基于状态和行为观察生成自然语言解释,不依赖于基础模型的表示,能解释智能代理行为,使用户能够与预训练的大型语言模型进行交互并生成有助于解释与推理的解释。
Nov, 2023
我们提出了一个新颖的系统,可以从一组最小的有意义的词(例如名词、动词和形容词)中,自动地生成西班牙语句子,并能适应其他语言。该系统利用了语言学的知识、词汇和语法,能够从用户提供的主要词汇集中生成完整、连贯和拼写正确的句子。该系统旨在具有整合性、可移植性和高效性,并且可以被轻松地适应其他语言,并且可以被整合到各种数字设备中。该系统通过自动和手动评估,可以在辅助交流、自动生成行政报告或新闻等不同应用领域中发挥潜在的作用。
May, 2024
最近强大的语言模型为自然语言生成(NLG)提供了进步,使其不仅可以执行传统任务如摘要或翻译,还可以作为各种应用的自然语言接口。本文首先提出了表示不确定性所需的基本理论、框架和词汇,并从语言学的角度确定了 NLG 中主要的不确定性来源,并提出了一个比流行的整体 / 种类二分法更具信息量和忠实度的二维分类系统。最后,我们从理论转向应用,强调利用不确定性进行解码、可控生成、自我评估、选择性回答、主动学习等的令人兴奋的研究方向。
Jul, 2023