compositional reasoning | BriefGPT

关键词compositional reasoning

搜索结果 - 32

交互式机器人操作的混合组合推理方法
本文介绍了一种神经符号 (混合) 组合推理模型，以将语言引导的视觉推理与机器人操作相结合。该模型通过使用共享的原始技能库以任务非特定的方式处理所有情况。通过语言解析器将输入查询映射为由这些原语组成的可执行程序取决于上下文。结果表明，该方法达
PDF2 years ago
ICLR基于神经组合的模块化终身强化学习
本文提出了一种基于神经模块的组成式学习方式，探讨了在连续强化学习模型下的可重复利用子问题解决方案，并且通过离线重放经验保持表现以加速未来任务学习的累积神经组件复合持续强化学习方法。
PDF2 years ago
CVPR衡量视频问答的组成一致性
本文开发了一个问题分解引擎，能将组合问题分解为子问题的有向无环图。使用问题图，我们评估了三个最先进的模型，并使用一组新的组成一致性指标。我们发现，这些模型无法正确地通过大多数构图进行推理，或者依赖于错误推理来获得答案，并在中间的推理步骤失
PDF2 years ago
神经解释器的动态推理
本研究提出了一种名为神经解析器（Neural Interpreters）的架构，它将自我关注网络中的推理分解为一组模块，可以在宽度和深度上灵活地组成计算，并可在训练后进行容量扩展。我们的实验表明，该架构在图像分类和视觉抽象推理方面表现出了很
PDF3 years ago
ACLKQA Pro: 拥有显式组合程序的知识库复杂问答数据集
本文介绍了一个题库 KQA Pro，旨在解决现有题库对多复杂推理能力的不足，采用了一种可组合且可解释的编程语言 KoPL 来表示复杂问题的推理过程，提供了与每个问题对应的 KoPL 程序和 SPARQL 查询，可以用于知识库问答和语义解析任
PDF4 years ago
EMNLP可解释多跳推理的自组装模块化网络
本文提出了一个解释性的、基于控制器的自组装神经模块网络，设计了四个新颖的模块（Find、Relocate、Compare、NoOp）来执行不同类型的语言推理，动态推断一系列推理模块以构建整个网络，进一步证明了该模型的可解释性，通过三个分析表
PDF5 years ago
ACL避免推理捷径：多跳问答的对抗评估、训练和模型开发
本论文针对 HotpotQA 数据集中的多跳问题回答过程中存在 reasoning shortcuts 的问题，通过构建对抗性文档解决了该问题。同时，提出使用控制单元指导模型的多跳推理，使得 2-hop 模型在 1-hop baseline
PDF5 years ago
MM上下文感知的视觉策略网络用于细粒度图像字幕生成
该论文提出了一种上下文感知的视觉策略网络（CAVP）来实现细粒度的图像描述生成，通过明确考虑前面的视觉注意力并使用当前视觉注意力决定是否将其用于当前词 / 句子生成，CAVP 可以随时间考虑复杂的视觉组合，从而在 MS-COCO 和 Sta
PDF5 years ago
学习使用语言树结构合成和推理视觉基础
本文提出了一种基于 RVG-TREE 的自然语言基础模型，其可以自动组成二叉树结构进行语言解析，并沿着树进行自底向上的视觉推理，实现更具解释性的推理效果。
PDF5 years ago
面向任务的模块化网络用于零样本组合学习
提出一种基于模块化体系结构和任务驱动的深度神经网络，能够在零样本情况下进行组合推理和分类，并在广义零样本分类问题上使用小模块优于现有方法。
PDF5 years ago
ECCV基于堆栈神经模块网络的可解释神经计算
本研究提出一种新颖的神经模块化方法来实现基于组合推理的问题回答，该方法不需要强监督，能自动诱导期望的子任务分解并通过共享模块链接不同的推理任务，实验表明该模型比当前先进模型更易于人类评估者解释以及预测其中间结果的成功或失败。
PDF6 years ago
EMNLP利用问题前提在视觉问答中的潜力
研究图片问题中的前提条件，构建了 Question Relevance Prediction and Explanation（QRPE）的数据集，并利用其训练了新颖的问题相关度检测模型，发现比使用传统模型更加有效。同时，在训练期间要求模型关
PDF7 years ago