Feb, 2022

将 AI 规划与自然语言处理相结合：明示和隐示知识的结合

PDF
TL;DR本文介绍了人工智能规划和自然语言处理之间的相互作用，讨论了四个领域：基于规划的文本理解、基于规划的文本生成、基于文本的人机交互和基于文本的可解释规划，并探讨了一些潜在的未来问题。
automated planningnatural language processingintelligent agentstext understandingtext-based human-robot interaction
发现论文，激发创造
  • 可解释规划

    该论文探讨了人工智能的交互问题，提出了一种基于模型的 AI 规划方法，以实现人类与智能系统的有效沟通和协同解决问题的目标。

    Sep, 2017

  • 自然语言处理中的自然之道

    利用深度学习，将口语处理和主流自然语言处理结合起来，以实现更符合人类交流方式、更具数据效率和更具人类化的系统，并更好地与其他语言科学进行整合。

    May, 2023

  • 自然语言处理技术的演进：不仅仅是语言处理，朝着通用人工智能发展

    自计算机发明以来，通过自然语言进行沟通一直是一项梦想技术，但是自然语言非常难以进行数学表达，使得在不考虑程序设计的情况下很难将其实现为算法。然而，近年来深度学习在当代人工智能技术中发挥了核心作用，尤其是在自然语言处理领域，取得了前所未有的成果。本报告提供了前沿的自然语言处理技术如何实现 “熟能生巧” 的技术解释，并提供了其在商业应用中的示例。

    Oct, 2023

  • 明确规划有助于语言模型在逻辑推理中的表现

    在本文中，我们提出了一个使用语言模型进行多步逻辑推理的新型系统，该系统将显式计划纳入其推理过程中，从而通过向前看到它们的未来效果，能够在每一步上做出更明智的推理决策。在我们的实验中，我们的完整系统明显优于其他竞争系统，在多项选择题回答任务中，我们的系统表现与 GPT-3-davinci 相当，尽管只有约 15B 的参数。我们进行了几项削减研究，以证明显式计划在系统性能中起着重要作用。

    Mar, 2023

  • 上下文中理解自然语言

    本文旨在研究自然语言交互与认知机器人、知识表达形式、计划工具和翻译过程的结合应用，以提高其在日常生活中的任务完成效率。

    May, 2022

  • 实体中心信息抽取的神经网络方法

    研究自然语言处理的 NLP 和人工智能领域对实体理解的影响，提出了基于实体概念的方法，并介绍了如何在实体链接任务中使用这种方法。通过核指代文簇难题进行了实验研究，分析了知识库实体集成到文本中的方法并从时间视角分析了实体的演变。

    Apr, 2023

  • 深度学习基于自然语言处理的进展：一项调查

    该研究综述了深度学习方法和模型在自然语言处理方面的应用和进展，分析和比较了不同方法和先进模型对语义分析和 NLP 任务领域的促进作用。

    Mar, 2020

  • 关于将大型语言模型（LLMs）纳入自动规划和调度（APS）的前景展望

    自主规划和调度是人工智能中增长最快的领域之一，本研究通过对 126 篇论文进行全面检视，调查了 LLMs 在地址规划问题的各个方面时的独特应用，并提出了八个类别：语言翻译、计划生成、模型构建、多智能体规划、交互规划、启发式优化、工具集成以及脑启发式规划，强调 LLMs 与传统符号规划器的结合展示出潜力，揭示出一种有前景的神经符号化方法。

    Jan, 2024

  • 词汇资源和自然语言处理之间的相互作用

    这篇研究论文探讨在人工智能 / 自然语言处理系统中将语言学知识、世界知识和常识知识融合起来，这是一个重要的研究领域，并提出了从构建和丰富词汇资源的过程中使用自然语言处理方法，以及从词汇资源中提取有益信息来改善 NLP 应用的方法。该教程可为语言资源的工作者以及研究 NLP 应用的人员提供帮助。

    Jul, 2018

  • 从自然对话中实现类人任务识别

    本文介绍了一种结合自然语言处理和计划生成的方法，以实现机器人的多功能任务处理和人类般的任务理解能力。同时还探讨了一种能够最小化问答迭代的对话策略来解决自然语言指令中的歧义和缺失问题。

    Aug, 2020