该论文介绍了一个包含多种类型的文本解释的数据集 CICEROv2，提出了一系列的预训练目标来帮助下游任务。结果表明，该论文中的预训练目标对于预训练模型来说是有效的。

Oct, 2022

本文介绍了 CIDER，一种人工筛选的数据集，旨在通过上下文常识推理提取对话中的富含隐含和显式知识三元组的解释，且通过多项基准测试表明此任务的困难性和它为未来有前途的研究提供了重要的基础。

Jun, 2021

本研究针对 commonsense 在对话回应生成中的作用进行了实证研究，提出了一种新的对话数据集，并利用 ConceptNet 这个 commonsense 知识库，找到并整合了现有的真实对话数据集。通过使用这些数据集训练响应生成模型，该研究提出的自动评估方法显示出一定合理的评价效果。

Sep, 2021

通过使用 GPT 编译了一个新的合成数据集 ConvoSense，在对话语境中进行常识推理，具有更大的上下文新颖性、更多的推理数量和推理所传达的详细信息丰富，使得针对对话的生成式常识模型在产生合理且具有高新颖性推理时优于之前的数据集训练的模型。据我们所知，ConvoSense 是首个以如此大规模提供如此多新颖推理的数据集。

Jan, 2024

本文介绍了 Cicero，一个通过在实时同步辩论中让工作者参与多轮、上下文相关的讨论来提高难度任务的众包准确性的新工作流程。相较于现有的讨论系统，我们的工作流程可以显著提高平均个体工作者的准确性，特别是在 Relation Extraction 领域，平均提高了 16.7 个百分点。此外，相较于传统的方法，Cicero 在可能有多个答案的任务中也能良好运作，如在 Codenames 领域中，将准确度从 66.7% 提高到了 98.8%。

Oct, 2018

通过将常识推理分解为明确步骤，从而更好地生成、选择和整合常识来提高对话交互的自然性、参与度、特定性和整体质量，从而在常识推理增强的响应生成领域取得了最新技术进展。

Jun, 2024

CORECODE 是一个包含丰富常识知识的中文大型语言模型的数据集，用于评估中文大型语言模型的常识推理和冲突检测能力。研究使用众包方式收集了 76,787 个常识知识注释，并通过对话级推理和检测任务验证模型在该数据集上的能力，结果表明现有的开源中文大型语言模型在预测丰富的推理内容方面表现不佳。

Dec, 2023

通过 CIS2 任务避免语言生成误导，强调解开自然语言处理中的任务与语言生成之间相互混淆的必要性，并探讨了 Transformer 模型在通识推理任务中的表现限制。

Feb, 2022

该论文介绍了一种基于真实世界人类推断信息的诊断数据集 ECHo，旨在通过理论设计闭环链来评估当前人工智能系统的信息推理能力。该系统在零 - shot 视觉和语言理解中融合了各类大型基础模型，并进一步通过三个不同的任务来证明 ECHo 作为一个挑战性的数据集，可以揭示信息推理中的缺陷和不一致性。

May, 2023

通过从现有的常识知识图谱（CSKG）中采样多跳逻辑查询，并使用手工规则和大语言模型进行言语化，我们提出了 COM2（复杂常识）数据集，训练于此的语言模型在复杂推理能力方面取得了显著提升，从而在问题回答和生成常识推理的任务中表现出了增强的零样本性能，而无需昂贵的人工注释。

Mar, 2024