EMNLPOct, 2022

反事实食谱生成：在现实场景中探索组合泛化

PDF
TL;DR本文研究了预训练语言模型是否能够在现实环境中进行构成泛化和对新元素进行合成，主要通过设计反事实食谱生成任务，使用中文菜谱数据集进行进行预训练语言模型的微调，结果表明这些模型生成的食谱虽然文字流畅，但缺乏真正的构成泛化能力和对烹饪知识的学习和应用。
发现论文，激发创造
  • Cook-Gen：菜谱烹饪行为的鲁棒生成建模

    本研究探索了使用生成 AI 方法扩展当前食品计算模型的可能性，主要涉及营养和配料分析，以及包括烹饪行为（例如加盐，煎肉，煮蔬菜等），并提出了一种新的基于聚合的生成 AI 方法 Cook-Gen。

    Jun, 2023

  • 通过批判性评论协助食谱编辑

    本研究提出了 RecipeCrit，一种基于层次化去噪自编码器的食谱编辑模型，通过无监督的评论模块允许用户与预测的配料进行交互迭代地改写食谱，实现了更加有效的食谱编辑，生成的食谱更符合用户约束条件，更正确、有趣、连贯和相关。

    May, 2022

  • 从历史用户偏好生成个性化菜谱

    本文针对具有烹饪偏好但对于特定菜肴的食材知识不足的用户提出了个性化食谱生成的新任务：将菜品名称和不完整的食材详情扩展为与用户历史喜好相符的完整自然文本说明。通过技术和食谱级别的表示，我们的模型在一个注意力融合层中融合了这些 “用户感知” 的表示，控制食谱文本的生成。在一个新的包含 180K 份菜谱和 700K 个交互的数据集上进行实验，与非个性化的基准相比，我们的模型能够生成一些合理且个性化的菜谱。

    Aug, 2019

  • CookGAN：基于食材的餐食图像合成

    提出了一种新的计算框架，基于生成深层模型，从其成分的文本列表中合成逼真的食物照片。通过构建基于注意力的成分 - 图像关联模型，并使用生成神经网络对合成的餐食图像进行调节，以此来生成真实的餐食照片。

    Feb, 2020

  • 从第一原则开始的组合泛化

    本篇论文从识别可表达性学习出发，将组合性视为数据生成过程的属性而非数据本身，并提出了仅取决于训练分布和模型架构的轻微条件，为组合泛化建立了理论框架，并验证了其应用于现实世界场景的结论，从而为组合泛化的原则性理论研究铺平了道路。

    Jul, 2023

  • 基于内容计划的即插即用食谱生成

    本文提出了一种低成本但有效的框架，该框架以插拔的方式显式地对生成文本的全局内容计划建模，并证明其在食谱生成任务上实现了最新的技术性能，从而解决了当前受长期存在的多句文本生成问题。

    Dec, 2022

  • 关于利用翻译数据集评估多语言组合泛化能力

    通过翻译 MCWQ 数据集，我们证明不同语言具有不同的组合泛化能力，同时多语种模型仍然难以实现跨语言组成泛化。

    Jun, 2023

  • CounterCurate：通过反事实的例子增强物理和语义的视觉 - 语言组合推理能力

    通过 CounterCurate 框架，综合改善对比式和生成式多模态模型的视觉 - 语言组合推理能力，通过解决忽视物理基础推理（计数和位置理解）和使用高能力文本和图像生成模型进行语义反事实微调的潜力等两个问题来提高推理性能。

    Feb, 2024

  • 测量组合泛化能力：一种基于真实数据的综合方法

    本研究提出了一种基于分子分散度最大化和原子分散度最小化的方法去构建实际应用的语言理解数据集，并通过分析三个多层次深度学习架构的表现来量化比较这种方法与其他构建复合语言理解测评基准的方法，研究表明现有的机器学习方法在复合语言理解上处于局限性表现，且都表现出惊人强的负相关性，研究结果可应用于构建和优化大规模自然语言处理应用系统。

    Dec, 2019

  • 元学习以复合泛化为目标

    自然语言是组成的，神经网络在组成泛化方面表现差， 自相似度驱动的元学习可提高自然语言处理模型的组成泛化能力。

    Jun, 2021