ACLSep, 2022

寻求多样化的推理逻辑：控制方程式表达式生成以解决数学应用题

PDF
TL;DR本文提出了一种通过控制代码来引导模型考虑某些推理逻辑和解码与人类参考转换的相应等式表达式的可控等式生成求解器，实验结果表明我们的方法对单一未知（Math23K）和多个未知（DRAW1K，HMWP）基准测试普遍提高了性能，最大的改善高达 13.2％的准确性在具有挑战性的多未知数据集上
math word problemsequation solutionscontrolled equation generation solverreasoning logicperformance improvement
发现论文，激发创造
  • 解决和推理数学应用问题的语义对齐方程生成

    本文提出了一个神经网络模型，基于编码器 - 解码器框架，利用自然语言理解桥接语义世界和符号世界，自动解决数学应用问题，并在 Math23K 数据集上验证模型的有效性。

    Nov, 2018

  • 多视角推理：一种用于数学题的一致性对比学习

    提出了一种多视角一致性对比学习方法，用于数学语义到方程的映射，在多粒度上对两种推理视角进行兼容，提高全局生成和精确推理。

    Oct, 2022

  • 学会演绎推理：将数学问题解决视为复杂关系提取

    提出了一种基于复杂关系提取的数学问题求解方法，通过可解释的演绎推理步骤构建目标表达式，实现了更准确且可理解的问题求解。

    Mar, 2022

  • 解决一般算术问题

    本文介绍了一种新的自动解决算术词问题的方法，它是第一种能够处理多步骤和多操作算术问题的算法方法，不依赖于附加的注释或预定义的模板。作者提出了一种表达式树的理论，可以用于表示和评估目标算术表达式，并将其唯一分解为多个分类问题；然后，作者采用受限推理框架将这些问题组合成表达式树，并通过 “数量模式” 提升模型表现，实验结果表明，该方法在算术词问题的基准数据集上实现了业界领先的性能。

    Aug, 2016

  • 通过将语言模型与符号求解器相结合解决数学语言问题

    通过将大型语言模型与外部符号求解器相结合，我们提出了一种能够将单词问题逐步规范化为一组变量和方程的方法，并使用符号求解器解决问题，相较于 PAL 在解决代数类问题上性能提升了 20%。

    Apr, 2023

  • 基于常识知识图谱和方程式的数学应用题生成

    本研究提出了一种通过神经网络模型从常识知识图谱和方程式中生成多样化数学单词问题的方法，并在教育评估方面表现出优越性，其中自规划模块实现了方程和常识知识信息的自动融合。

    Oct, 2020

  • 探索方程作为更好的数值推理中间意义表示

    使用数学公式作为中间意思表示（IMR）方法，通过减少程序和生成常数表达式的倾向，来提高大型语言模型（LLMs）生成数学公式的准确性，取得了 2.2%、0.9% 和 1.7% 在 GSM8K、SVAMP 和代数数据集上的性能提升。

    Aug, 2023

  • 数学单词问题生成与数学一致性及问题背景约束

    本文提出了一种新颖的数学语文问题生成方法，该方法结合了预训练的语言模型和上下文关键词选择模型，以提高所生成的数学语文问题的语言质量；而使用数学公式一致性约束来提高所生成的数学语文问题的数学有效性。经过大量的定量和定性实验，我们的方法相比各种基线方法都具有更好的性能。

    Sep, 2021

  • 通过原理生成进行程序归纳：学习解决和解释代数性文字问题

    通过生成答案原理，我们间接监督程序学习，从而解决代数字问题。

    May, 2017

  • MATHWELL：扩展规模下的教育数学问题生成系统

    使用语言模型自动生成的 K-8 数学题库，通过定期优化和专家标注的数据，得到了迄今规模最大的英语数学题库，其中有 20,490 个问题，其中 3,484 个经过领域专家评分，发现 MATHWELL 比其他方法生成的问题更容易求解、准确和适用，有 74% 的问题有可解答的解决方案，并满足所有标准。

    Feb, 2024