Dec, 2023

PathFinder: 多步推理路径导引式搜索

PDF
TL;DR引用束搜索算法的灵感，我们提出了 PathFinder，一种基于树搜索的推理路径生成方法，通过集成动态解码、约束推理和评分排序功能，提高多样分支和多跳推理的效率和质量，以及候选选择的性能，相对于竞争性的基线模型，在三个复杂的算术和常识推理任务上表现优于平均值 6%，且在具有大分支因素的束搜索中具有良好的泛化能力。
chain-of-thought promptingreasoning chainstree-search-based reasoning path generationdynamic decodingconstrained reasoning
发现论文，激发创造
  • PathReasoner: 以等效扩展模拟推理路径的逻辑问题解答

    通过将每个逻辑样本转化为推理路径并提出 PathReasoner 架构，从数据和模型的角度探索逻辑推理任务，增加逻辑样本多样性并设计一种变压器式块堆叠，并采用路径注意力模块来对高阶传播策略进行内外原子关系建模，实验证明 PathReasoner 在两个逻辑推理基准测试上具有可比较的性能和出色的泛化能力。

    May, 2024

  • 利用大型语言模型进行忠实推理

    通过串联使用微调语言模型进行多步推理的方法，可以解决大型语言模型的单次调用限制，提高多步问题的性能和可解释性。该方法在多步逻辑推导和科学问题回答方面表现优于基线模型，并生成可由用户检查的有效推理过程。

    Aug, 2022

  • 利用推理链进行多跳科学问答

    提出一种无需语料库特定注释的 Chain Guided Retriever-reader（CGR）框架，通过生成由语义图构建的推理链，提高多跳科学问答的可解释性和性能，采用增强学习训练检索器，并设计了适用于本地和全局链信息的 Chain-aware loss 作为培训的远程监督信号。

    Sep, 2021

  • 学习在维基百科图上检索推理路径用于问答

    介绍了一种基于图形的循环检索方法，学习在 Wikipedia 图形上检索推理路径来回答多跳开放域问答问题。该方法在三个开放域 QA 数据集上实现了最新技术成果，特别是在 HotpotQA 中表现出显著的改进，超过了以前最好的模型 14 个百分点以上。

    Nov, 2019

  • 利用显式路径进行多跳阅读理解

    本研究提出了一种基于路径的推理方法，用于多跳阅读理解任务，该方法结合了多个段落的事实来回答问题，并以 PathNet 模型为例，使用实体对表示方法从文本中提取隐含关系并编码路径。我们展示了该方法在多跳 Wikihop 数据集上的优异表现，并且可以推广到 OpenBookQA 数据集，达到最先进的性能水平。

    Nov, 2018

  • DeepPath: 知识图谱推理的强化学习方法

    本文提出了一种基于强化学习的多跳关系路径学习框架，利用知识图谱嵌入、采样方式和奖励函数提高路径推理的精度、多样性和效率，并在 Freebase 和 Never-Ending Language Learning 数据集上展示了其优异性能。

    Jul, 2017

  • 基于推理链的多跳问答

    该论文提出了一种在多步问题回答中维护显式推理过程的方法。该方法提取一个离散的推理链，并将其提供给一个基于 BERT 的 QA 模型来进行最终答案预测。我们的方法在两个近期提出的大型多跳问题回答数据集 ——WikiHop 和 HotpotQA 上进行了测试，并取得了令人瞩目的成果。

    Oct, 2019

  • 基于神经网络的推理

    Neural Reasoner 是一个基于神经网络的推理框架，具有特殊的交互池机制和深度结构，能够处理不同类型的推理和语言表达形式，并在两个困难人工任务中表现出优越性能。

    Aug, 2015

  • 基于事实树推理的知识图谱 N 元问答

    提出了一种基于事实树的推理框架，通过将问题转换为事实树并在上面进行迭代性的事实推理来预测正确的答案，这种方法在解答 n 元事实问题上具有高精度。

    Aug, 2021

  • 基于动态关系置信度的知识图谱重要路径发现

    提出了一种名为 DC-Path 的方法，结合动态关系置信度和其他指标评估路径特征，并指导路径搜索，最终进行关系推理，实验结果表明，该方法在当前关系推理任务中能够从知识图谱中选择最具代表性的特征，并实现更好的性能。

    Nov, 2022