Sep, 2023

Choice-75: 剧本学习中的决策分支数据集

PDF
TL;DRScript learning studies events and proposes the Choice-75 benchmark to predict decisions in descriptive scenarios, highlighting areas for improvement in language models.
script learningbrancheschoice-75 benchmarkintelligent systemslanguage models
发现论文，激发创造
  • 通过多媒体基础实现非顺序图脚本归纳

    该论文提出了一种新的具有挑战性的任务，即非顺序图脚本推理，旨在捕捉程序规划中的可选步骤和可互换步骤，通过多模态框架将视频转换成观察到的步骤路径，以训练生成明确图脚本和预测未来步骤的模型。该模型优于纯文本 / 视觉基线，人类评估显示超过 WikiHow 线性基线，能够更好地捕捉顺序和非顺序步骤关系。

    May, 2023

  • MCScript：一种基于剧本知识评估机器理解能力的新数据集

    该研究介绍了一种大规模的、关于叙事文本及其相关问题的数据集，用于进行需要运用常识以及剧本知识推理的机器理解任务，该数据集与现有的类似数据集的区别在于，它侧重于关于日常活动的故事，并且其问题需要常识知识或者更具体地说是剧本知识来回答。通过众包策略收集数据，该数据集提供了实际推理方面的大量问题，并被用于 SemEval 2018 中的关于常识和剧本知识的共享任务，并为更广泛的自然语言理解社区提供了具有挑战性的测试用例。

    Mar, 2018

  • 学习脚本的隐马尔可夫模型

    该论文提出了基于隐马尔可夫模型的故事脚本形式化框架，支持强大的推理和学习算法，有效预测缺失事件，优于以往聚类模型。

    Sep, 2018

  • 使用句子级 LSTM 语言模型进行脚本推理

    该研究比较了使用 NLP 流程产生的结构化动词和论点事件和最近的基于递归神经网络的模型，发现后者在预测文档中缺失事件方面与前者大致相当。

    Apr, 2016

  • 面向目标的脚本构建

    本文提出了一种目标导向的脚本构建任务，通过基于语言模型的生成方法和首先从候选池中检索相关步骤然后排序的检索方法，使用第一个支持 18 种语言的多语言脚本学习数据集来试验该任务，并表明该任务是实用的，可行的但挑战性很大，同时我们的方法在零 - shot 学习下能够在各种其他数据集和领域中轻松部署。

    Jul, 2021

  • 从预训练模型中探索脚本知识

    本文探讨了预先训练的语言模型在脚本知识分析方面的能力，从三个方面进行了探测任务：包括子事件选择、开始子事件选择和时间排序，并通过对 BERT 模型在脚本识别和各项探测任务表现的分析，结论是 BERT 模型可以很好地捕捉子事件之间的时序知识，但无法很好地编码包含或开始子事件知识。

    Apr, 2022

  • ProScript：基于预训练语言模型的部分排序脚本生成

    本论文通过使用神经语言模型，演示了一种新的方法来生成高质量的标准脚本，同时定义了两个互补的任务，即边缘预测和脚本生成，这一方法可以克服以前脚本收集困难的问题。

    Apr, 2021

  • MULTISCRIPT: 支持开放领域日常任务的多模态脚本学习

    通过建立 MultiScript 基准测试，我们提出了两种引入任务相关知识的多模态生成框架，这些框架显著提升了脚本生成和后续步骤预测的性能。

    Oct, 2023

  • 多语言视觉问答的课程脚本蒸馏

    本文介绍了使用源语言和目标语言的翻译来课程式微调预训练模型，以用于跨语言的视觉问答任务。实验结果表明，脚本在这些模型的性能中起着重要作用。具有相同脚本的目标语言比其他语言表现更好，混合脚本的代码交换语言比其对应的语言表现更好。

    Jan, 2023

  • 对比微调生成式脚本事件预测方法

    本文提出了一种基于事件中心预训练的生成式方法，其使用预先训练的语言模型 Fine-Tune 并通过对序列可能性的预测进行预测，从而软建模事件之间的关联。

    Dec, 2022