May, 2023
CAR:基于概念增强的推理器用于零样本常识问题解答
CAR: Conceptualization-Augmented Reasoner for Zero-Shot Commonsense Question Answering
Weiqi Wang, Tianqing Fang, Wenxuan Ding, Baixuan Xu, Xin Liu...
TL;DR提出了一种 Zero-shot Commonsense Question Answering 任务的新方法(CAR),通过概念抽象化和知识三元组,大大增加了 CommonSense Knowledge Bases 的语义覆盖范围,使负样本的选择更有效,从而比 GPT3.5 等方法在处理零样本常识情境问题时表现更出色。