deductive reasoning | BriefGPT

关键词deductive reasoning

搜索结果 - 31

ACL预先训练的语言模型是否具备演绎推理能力？
本文对预训练语言模型的可学习演绎性能进行了全面评估，发现该模型存在推理规则泛化不足、对表面形式的修改表现不稳定、在推理过程中出现遗忘现象等问题，说明预训练语言模型对于演绎推理的表现仍不可靠，远未达到人类的推理能力。
PDF2 years ago
EMNLPRobustLR: 评估演绎推理中对逻辑扰动的稳健性
本文通过提出的 RobustLR 数据集，对当前在英语自然语言逻辑规则库上执行演绎推理的 Transformer 模型的鲁棒性进行了评估，结果展示这些模型在面临最小改动的逻辑规则库的情况下表现不一致，难以学习逻辑否定和逻辑联合运算符，从而揭
PDF2 years ago
ACL学会演绎推理：将数学问题解决视为复杂关系提取
提出了一种基于复杂关系提取的数学问题求解方法，通过可解释的演绎推理步骤构建目标表达式，实现了更准确且可理解的问题求解。
PDF2 years ago
ACLFaiRR: 基于自然语言的忠实且强健的演绎推理
本研究通过定义三种模块化组件来构建信任和鲁棒性推理器，包括规则选择、事实选择和知识组合。我们提出的 FaiRR 快于现有推理数据集上的先前作品，并且对新型语言扰动具有鲁棒性。此外，与黑盒生成模型不同，FaiRR 的错误更易于解释，这是由于它
PDF2 years ago
EMNLP通过语句组合搜索进行自然语言推理
本文提出了一种基于自然语言的演绎推理系统，通过将任务分解为逐步协调的步骤，并由搜索程序生成中间结论的树，可以成功地证明真实的语句并拒绝虚假的语句。
PDF2 years ago
AAAI通过自然语言可满足性推动变形金刚规则推理的极限
本研究通过提出一种新的方法构建具有挑战性的自然语言可满足性问题数据集，以研究 transformer 模型的推理能力，发现这些模型在解决困难的 NLSat 问题方面表现出非常强的能力，但仍然存在限制，包括需要选取适当的训练数据才能适用于更大
PDF3 years ago
MM使用目标导向约束答案集编程对事件演算进行建模与推理
应用 s (CASP) 模型，演绎与缺省推理，对包括时间与数量等约束条件在内的领域进行事件演算。
PDF3 years ago
思考大声说出来：动态上下文生成提高了 GPT-2 零样本推理性能
通过使用自己生成的问题详述来扩展任务的上下文，动态问题详述可以显著提高 GPT-2 在推理和自然语言理解任务上的零 - shot 性能，该 elaboration 最符合原始问题描述的 elaboration 可以提高精度高达 24%。
PDF3 years ago
ICLR自适应后验学习：基于惊喜的记忆模块的少样本学习
本文介绍了一种名为 APL 的算法，其通过记录最令人惊讶的观测结果以近似概率分布，通过解码器网络处理外部存储器模块中的过去观测结果，从而实现快速泛化。该算法在少样本分类基准测试中表现与其他最优算法相当，且内存占用更小，同时其内存压缩功能可扩
PDF5 years ago
EMNLP基于策略的强化学习在 20 问题游戏中的应用
本文提出了一种新的基于策略的强化学习方法，通过与用户的持续交互，使提问者代理学习到最优的问题选择策略。与以往方法相比，我们的强化学习方法对嘈杂的答案具有鲁棒性，不依赖于物品的知识库，在无噪音的模拟环境中具有竞争力的表现。
PDF6 years ago
逻辑张量网络：从数据和知识中进行深度学习和逻辑推理
Logic Tensor Networks 通过在第一阶逻辑语言上定义一个逻辑形式（Real Logic），该形式的公式在区间 [0,1] 上具有真值，并且具体定义在实数域上的语义高效地将推理知识与数据驱动的机器学习结合起来，并证明了通过使
PDF8 years ago