Mar, 2024
合理的理由下的正确性:基于大型语言模型对可验证的常识知识图谱问题回答的研究
Right for Right Reasons: Large Language Models for Verifiable Commonsense Knowledge Graph Question Answering
Armin Toroghi, Willis Guo, Mohammad Mahdi Abdollah Pour, Scott Sanner
TL;DR基于知识图谱问答的常识推理现有方法困扰于虚构问题,本研究提出基于正确原因的常识知识图谱问答方法(R3),通过可验证的推理过程,减少虚构和推理错误,展示其在问题回答、主张验证和偏好匹配等任务中的优越性。