- CBR-RAG:用于 LLMs 中的检索增强生成的基于案例推理的法律问答系统
使用检索增强生成(RAG)方法,结合案例推理(CBR)来增强大型语言模型(LLM)在法律问答等知识密集型和专家依赖性任务中的输出,并通过上下文相关的案例提供更丰富的提示,显著提高生成答案的质量。
- DS-Agent:基于案例推理的大型语言模型的自动化数据科学
DS-Agent 基于大型语言模型研究数据科学任务自动化,通过利用案例推理框架实现了任务需求理解、机器学习模型构建和训练,并通过低资源部署阶段显著降低了 LLMs 基本能力的要求,从而在性能上取得了最佳排名和显著改进。
- 基于案例或规则:Transformer 模型如何进行数学计算?
尽管现代大型语言模型在各种复杂任务中表现出色,但它们仍然难以处理一些对人类来说很简单直观的数学问题,如加法。我们通过精心设计的干预实验,确认变压器在数学问题中执行基于案例的推理,无论是否使用 scratchpad。为了解决这些问题,我们提出 - 基于 OCL 和搜索的 MC/DC 测试数据的高效生成
本文提出了一种有效的自动化修改条件 / 决策覆盖测试数据生成方法,利用基于案例推理和范围缩减启发式技术解决了修改条件 / 决策覆盖定制的对象约束语言约束问题,实验证明该方法优于现有的约束求解方法。
- AAAI保持信念:基于案例推理的卷积神经网络中的忠实解释
通过案例推理的设计和使用神经网络进行决策关键任务,本论文提出了 ProtoPNet 方法来解决解释神经网络预测的问题,并通过引入 Shapley values 来提取忠实的解释。该方法在多个数据集和多种网络结构上的实验证明了其有效性。
- 案例存储库:面向人工智能对齐的案例推理
提出基于基于案例推理(CBR)的宪法人工智能对齐的补充方法,通过案例库的构建以及对案例的判断来辅助人工智能对齐,作为先例以确定可接受的行为,并作为个体和社群进行围绕人工智能的道德推理的媒介。
- 基于抽象论证的案例相关性学习的技术报告
在这篇论文中,我们关注于一种最近的基于案例的推理方法,通过采用抽象论证的实例来支持案例推理,其中论证代表案例,论证之间的攻击来自于案例之间的结果分歧与关联概念。在这个背景下,相关性与案例的特异性形式有关。我们探讨如何通过决策树的帮助在实践中 - 利用多种可视化方法阐明典型概念:看起来很像那些
利用原型部件结合深度学习和基于案例的推理,我们提出了 ProtoConcepts 方法,用于解释性图像分类。通过学习可视化的多个图像补丁,我们的方法修改了原型网络的架构,允许更容易识别所捕捉原型的概念,并创建更丰富、更可解释的视觉解释。实验 - 一种基于案例的大型语言模型的持久性内存
基于案例推理作为问题解决的方法可以使用任何适当的计算技术。该立场论文认为,案例推理研究者在近期的深度学习和大型语言模型方面存在一定的忽视。这些技术发展背后的基础为人工智能的最新突破提供了强大的协同效应,可以用于为大型语言模型提供持久性记忆, - WWW基于知识图谱的案例推理事件预测
应用连结预测、知识图谱在因果事件预测上的机遇,引入基于案例推理的 EvCBR 模型来预测新事件的属性,无需训练步骤,且在新 sworthy 事件与因果关系的数据集中表现优于基线模型。
- 通过本地解释设计直接反馈循环人与卷积神经网络之间的联系
设计并实现了 DeepFuse,此交互设计在诊断和修订卷积神经网络的脆弱性时实现用户与卷积神经网络之间的直接反馈循环,通过系统地搜索并注释 ' 不合理 ' 的局部解释,可帮助 CNN 工程师有效地改善当前的实践,并使 XAI 驱动的洞察力更 - 基于案例推理的机器阅读理解
提出了一种基于 CBR-MRC 的精确且可解释的答案提取方法,其利用相似问题之间的语义相似性来预测问题的答案,并在 NaturalQuestions 和 NewsQA 数据集上都取得了较高的准确率。
- 一种新型的金融时间序列案例表示法用于行业分类
本文旨在研究如何使用基于案例的推理来进行金融领域中的行业分类。通过提出一种基于股票回报嵌入的新型表征方法,使得此任务能够得到有效解决,并在现有的公共数据集上获得了显著的性能提升。
- 跨领域文本到 SQL 的自适应提示基于案例推理框架
本文提出 CBR-ApSQL 框架,整合了 Case-Based Reasoning 和 GPT-3.5 的 API,通过自适应提示和语义领域相关性评估器,提高了 Text-to-SQL 任务的性能表现,在三个跨域数据集中的执行准确率超过了 - Text2shape 深度检索模型:在基于案例推理的机械部件重新设计情境下生成初始案例
为支持机械部件重新设计的初步案例检索,本文提出了一种基于文本描述的机械部件形状检索模型 ——text2shape 深度检索模型,其中应用特征工程来确定目标机械部件的关键结构特征,并建立了一个文本描述和对应三维形状的训练集,最终测试表明模型的 - 基于语言模型的案例推理在逻辑谬误分类中的应用
提出了基于案例推理和语言建模技术的方法,探讨在检测 Web 上的逻辑谬误方面提高模型精确性和泛化能力的策略,并在实验中证实关键识别案例在模型精确性中具有重要作用。
- BRAIN L:一种图书推荐系统
该研究提出了一种基于人工智能、自然语言处理和案例推理技术的新系统,针对西班牙出版业的营销优化问题,包括类似案例推荐和专家评估的智能决策制定。
- AAAI学习选择典型部分进行可解释的序列数据建模
本文提出了一种基于样例理解的自选模型,使用原型概念的线性组合来解释自己的预测,以实现更好的可解释性,并通过多种限制条件进行优化。实验结果表明该方法具有良好的可解释性和竞争性的准确性。
- 一种针对风险场景个性化驾驶辅助的开放式基于案例推理框架
该研究探索了基于案例推理(CBR)作为推断范式的合理性,以选择个性化的撞车回避动作和缓冲时间,旨在提供个性化的驾驶辅助,避免交通事故。提出了一个高效的 FFMTE 模型来建模交通事件和构建案例数据库,并提出了一种特定的 CBR 方法来检索、 - 通过分类器对基于法律案例推理器进行建模和解释
本文结合了案例推理的基于因素的模型和分类器逻辑规范的两条研究线索,将 Horty(2011)的基于因素的先例模型与 Liu&Lorini(2021)的逻辑方法相结合,重新制定了 Horty 的情况库,并提供了几个表示结果。