Jun, 2024

cPAPERS: 科学论文中的情境和多模态互动对话数据集

PDF
TL;DR引入 Conversational Papers (cPAPERS) 数据集，该数据集基于论文组成部分及相关引用源文件，提供了科学论文中的交互式问答对，并介绍了使用基于大型语言模型（LLMs）的基准方法来处理 cPAPERS 数据集。
situated and multimodal interactive conversationsscientific paperscpapers datasetconversational paperslarge language models
发现论文，激发创造
  • ArgSciChat：一份关于科学论文争辩对话的数据集

    本研究为缺少对话数据来训练这种代理而使科学学科（作为专家领域）的对话代理应用研究不足，提出了一种新的框架，用于在科学论文上收集科学家之间的对话，并通过 ArgSciChat 数据集进行了 extensive analysis，在此数据集上评估了最新的对话代理并发现其表现较差，促进了关于争议性科学代理的进一步研究。

    Feb, 2022

  • 用于科学论文自动摘要的俄语多模态数据集

    该论文讨论了创建一个俄语科学论文的多模态数据集，并测试了现有的语言模型在自动文本摘要任务上的表现。该数据集的特点是其多模态数据，包括文本、表格和图形。论文介绍了使用 SBER 的 Gigachat 和 Yandex 的 YandexGPT 两个语言模型的实验结果。数据集包含 420 篇论文，可在此 https URL 上公开获取。

    May, 2024

  • SIMMC 2.0：面向任务的沉浸式多模态对话数据集

    本研究提出了一个基于真实情境的多模交互对话数据集 SIMMC 2.0，收集了 11,000 个在购物领域的用户 <-> 助手任务对话。数据集通过模拟器和手工语句改写收集，可用于对话系统的基准测试和自然语言处理研究。

    Apr, 2021

  • 与论文对话：将神经问答引入学术搜索

    Talk to Papers 是一个利用开放领域问答技术改进学术搜索的工具，支持研究人员使用自然语言查询来查找学术论文并提取信息，通过针对标准问答数据集的改进和提供协作数据收集工具，为学术界贡献了自然语言处理研究问答数据集。

    Apr, 2020

  • SciXGen：面向上下文感知文本生成的科学论文数据集

    文章提出了一种新的任务，即科学领域的上下文感知文本生成，并介绍了规模庞大的科学论文数据集 SciXGen，其中包含了 205,304 篇完全注释的论文和广泛使用对象（如表格，图形，算法）的完整引用。使用最新技术进行综合性评估，同时公开数据集和基准，以促进科学文本生成研究。

    Oct, 2021

  • mPLUG-PaperOwl: 多模态大型语言模型的科学图解析

    通过强化多模态图表分析能力，我们构建了多模态图表理解数据集 M-Paper 并引入了控制信号‘outline’，通过与先进的多模态语言模型的全面实验，证明了在我们的数据集上进行训练能够展现更强大的科学图表理解性能.

    Nov, 2023

  • 多模态交互对话

    本研究介绍了一种新的指向培训具有多模态输入上下文的代理，以及执行与其相关的多模态操作的模型 SIMMC，提供了两个 SIMMC 数据集，以及多个评估协议。

    Jun, 2020

  • SIMMC: 多模态对话数据收集和评估平台

    SIMMC is a platform for multi-modal conversational data collection and evaluation of digital virtual assistants through an immersive setup, with the aim of providing a situated conversational dataset for the Conversational AI research community.

    Nov, 2019

  • 使用预训练单模型进行 SIMMC 2.0 的多模态交互

    本文介绍了我们在 Dialog State Tracking Challenge 10 上进行的 Situated Interactive MultiModal Conversations 2.0 挑战中的工作和方法，提出了一种结合图像和文本的多模态模型，并对 SIMMC 2.0 数据集进行了挑战。通过预先训练模型，我们在 subtask＃1，＃2 中取得了第三佳表现，并在生成 subtask＃4 中获得亚军。

    Dec, 2021

  • CASIMIR: 科学文章语料库，具有多个作者集成修订功能

    本研究提出了一个新的文本资源数据集，名为 CASIMIR，其中包含来自 OpenReview 的 15,646 篇科学文章的多个修订版本以及它们的同行评审。这个数据集对科学文章的修订步骤进行了详细的研究，提供了句子级别的对齐和自动提取修订编辑的功能，同时对评估方法进行了质疑。

    Mar, 2024