commonsense reasoning | BriefGPT

关键词commonsense reasoning

搜索结果 - 143

SBoRA: 区域权重更新的低秩适应
引入了标准基 LoRA（SBoRA）的新颖参数高效调整方法，通过使用正交标准基向量初始化低秩矩阵之一，实现了区域权重更新和内存高效微调，其在多个微调任务中显示出优越性能。
PDF20 days ago
从数据到常识推理：运用大型语言模型进行可解释人工智能
通过研究 LLMs 能力在推理和可解释性方面，我们证明 LLMs 在各种 QA 任务上能够合理推理，优于人类，并且 GPT-3.5 在决策解释方面表现出色。
PDF23 days ago
用手术刀剖析 Ullman 变体：为何 LLMs 在对错误信念任务的微小改动中失败？
通过引入 SCALPEL 技术，我们发现使得明显的常规推理明确的修改（如透明物体的观察意味着识别其内容）能保持大型语言模型的性能，暗示大型语言模型在修改的心智任务上的失败可能是由于缺乏更一般的常识推理，而不是对心理状态的表示失败。我们认为
PDFa month ago
通过多图像生成改善语言模型中的视觉常识
基于多模态知识的常识推理是根本，我们介绍了一种方法来增强大型语言模型的视觉常识能力，该方法通过生成多个图像并将其与模型的决策过程相融合来提供综合的图像和文本知识。这种方法在不仅在视觉常识上，还在传统自然语言处理基准上优于现有基线模型。
PDFa month ago
基于常识修剪与启发式的高效行为树规划
通过大型语言模型（Large Language Models，LLMs）的常识推理，该论文提出了提高行为树（Behavior Tree，BT）规划效率的方法，包括预规划动作空间裁剪和启发式函数生成，以实现日常服务机器人的自主行为控制。
PDF2 months ago
QuanTA：量子信息张量调整下高级别语言模型的高效微调
该研究提出了一种名为量子指导张量适应（QuanTA）的新型、易于实现、没有推理开销的微调方法，引入了量子电路结构的量子启发方法，实现了有效的高秩微调，超越了低秩适应方法（LoRA）在复杂下游任务中可能失败的局限性。实验表明，与传统方法相比，
PDF2 months ago
泰国 Winograd Schema：泰语常识推理基准
通过使用泰语 Winograd 模式集合，对流行的大型语言模型在泰语上的表现进行评估，揭示了它们的优势、局限性，并为当前技术发展提供了一些见解，结果表明尽管 GPT-4 和 Claude-3-Opus 等模型在英语上达到了高准确度，但它们在
PDF2 months ago
类比比例 II
通过引入抽象的代数框架，进一步发展类比比例的数学理论，以应用于人工智能中的逻辑程序合成。
PDF2 months ago
CVPRSOK-Bench：具有对齐的开放世界知识的情境视频推理基准
通过从真实世界的视觉环境和场景中学习常识推理，可以迈向先进的人工智能；然而，现有的视频推理基准仍然不足，因为它们主要设计用于事实推理或定位推理，很少涉及到现实世界的更广泛的知识。我们的工作旨在深入研究推理评估，尤其是在动态的、开放的和结构化
PDF2 months ago
BiasKG: 用对抗知识图谱在大型语言模型中引入偏见
现代大型语言模型拥有丰富的世界知识，可以在正确利用的情况下在常识推理和知识密集型任务方面取得强大的性能。然而，语言模型也能够学习社会偏见，可能对社会造成重大危害。本文提出了一种使用知识图谱增强生成模型的攻击语言模型的新方法，并采用敌对攻击策
PDF3 months ago
大型语言模型能否将 2 和 2 相加？探测蕴含的数学关系
大型语言模型在知识获取和统计推理方面取得了稳定进展，但在常识推理任务中仍存在局限性，纯统计学习难以应对其中的组合爆炸问题，更大并不总是更好，而且单纯追求统计改进只会加重正确答案与真正推理能力之间的危险混淆。
PDF3 months ago
基于数据增强的方言调适对 LLMs
该研究报告通过使用不同类型的语言模型并利用数据增强技术，提出了一种结合方法，旨在改善南斯拉夫南方微方言上大规模语言模型（LLMs）的通识推理能力评估，通过实验证明数据增强技术能够显著提升开源型模型类别在三个南斯拉夫方言（Chakavian、
PDF4 months ago
通过跨语言知识传递向羊驼教授一门新语言
该研究探索了以成本效益的方法来适应新的低资源语言的事先训练的大型语言模型（LLMs），特别关注爱沙尼亚语。通过利用 Llama 2 模型，我们研究了将跨语言指令调整与额外的单语预训练相结合的影响。我们的结果表明，即使是相对较少的额外单语预训
PDF4 months ago
IndoCulture: 探索涵盖印度尼西亚十一个省份的地理影响的文化常识推理
本研究旨在了解地理因素对语言模型的推理能力的影响，以特别强调印尼十一个不同省份内的多元文化。评估 23 种语言模型表明：（1）即使是最优秀的开源模型，准确率也只有 53.2%；（2）模型在某些特定省份（如巴厘岛和西爪哇）的预测通常更准确；（
PDF4 months ago
ShapeGrasp：零射击任务导向的大型语言模型通过几何分解感知抓取
通过几何分解目标物体为简单的凸形状并将其表示为图形结构，包括几何属性和空间关系，利用大型语言模型的常识推理能力来动态分配语义含义，并对每个分解部分在特定任务中的效用进行推理，实现了一种新颖的零样本任务导向抓取方法。通过在真实世界的机器人平台
PDF4 months ago
CR-LT-KGQA：一个需要常识推理和长尾知识的知识图谱问答数据集
在知识图谱问答（KGQA）领域中，我们创建了一个新颖的 KGQA 数据集，支持常识推理并专注于长尾实体，这些实体是大语言模型容易产生错误信息的对象，因此需要借助知识图谱进行准确、可归因的常识推理。这个新数据集具有两个子任务：问题回答和声明验
PDF5 months ago
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
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。
PDF5 months ago
专注于您的问题！解释和缓解常识推理中的有毒 CoT 问题
大型语言模型通过链式思维等增强方法展现出高级的常识推理能力，但我们发现这些类似链式思维的方法会导致很多原本正确的答案变为错误，这就是我们所定义的有害链式思维问题。为了解释和减轻这个问题，我们首先利用归因追踪和因果追踪方法来探究 LLM 在链
PDF5 months ago
PhyGrasp: 基于物理信息的大型多模态模型的机器人抓取泛化
将物理常识推理融入机器人操作，通过 PhyGrasp 模型结合自然语言和 3D 点云输入，实现对对象的物理属性准确评估和最优抓取位姿决策。模型的语言理解能力使其能够解释人类指令，并生成符合人类偏好的抓取位姿。在长尾场景中，PhyGrasp
PDF5 months ago
ACL对话人工智能中克服单调常识推理的 ConvoSense
通过使用 GPT 编译了一个新的合成数据集 ConvoSense，在对话语境中进行常识推理，具有更大的上下文新颖性、更多的推理数量和推理所传达的详细信息丰富，使得针对对话的生成式常识模型在产生合理且具有高新颖性推理时优于之前的数据集训练的模
PDF6 months ago