使用自然语言处理推理过程:教程
该研究是一篇关于自然语言推理的调查论文,提出了 NLP 领域内自然语言推理的概念和实践上的更清晰的视角,并提供了哲学和 NLP 场景的基础上自然语言推理的清晰定义、分类,以及各种任务需要做出推理、回溯推理技术和 defeasible reasoning 未来发展的前景等方面的综述。
Mar, 2023
本文提出了一个名为 PLAN 的神经符号化程序规划器,通过依赖于常识信仰,从大型语言模型中获取程序式计划知识,并使用符号程序执行器对潜在程序式表示进行形式化的干预, 最终在非零样本的 WikiHow 和 RobotHow 数据集上展现出 PLAN 在程序规划方面的卓越表现。
Jun, 2022
利用大规模语言模型和上下文学习,本研究探讨了从非结构化 PDF 文本中提取程序的问题,结果显示该方法有潜力显著解决深度学习自然语言处理技术中所遇到的数据训练不足的挑战。
Oct, 2023
通过使用自动翻译工具从 2,000 篇文章扩充到 52,000 篇,我们针对土耳其编程指南进行了个案研究,生成了包含链接动作、目标推断和总结等多个任务的关于土耳其编程指南的语料库,并实施了强大的基准模型,发现针对步骤指令文本的语言专用模型在大多数任务上始终优于多语言模型。
Sep, 2023
基于 T5 和 GPT-3.5 的基线模型,该研究论文介绍了具有中间步骤描述的烹饪食谱语料库,以有效地理解和推理烹饪食谱中的输入和输出,从而为智能推理和程序文本生成提供了有关常识推理的挑战性任务和见解。
Jan, 2024
研究了手续性文本理解的挑战,发现外部知识注入和数据不足的问题,提出了一个多阶段训练的知识感知 KOALA 模型,最终在 ProPara 和 Recipes 数据集上达到了最先进的性能表现。
Sep, 2020
该研究论文调查了自然语言处理在药学领域中的应用,包括用于信息提取和处理的深度神经网络等。作者将其总结为五个类别并提出现代 NLP 方法、普遍任务、相关文本数据、知识库和有用的编程库等。总结为一份综合性概述,对实践者和感兴趣的观察者有用。
Aug, 2022