factual reasoning | BriefGPT

关键词factual reasoning

搜索结果 - 6

用于漏洞检测的图神经网络：一个反事实解释
基于图神经网络的漏洞检测面临可解释性的挑战，因此提出了 CFExplorer，一种针对 GNN 漏洞检测的新颖的反事实解释器，通过最小程度的扰动来回答所谓的 “如果” 问题，从而确定检测漏洞的根本原因，并为开发者提供有价值的修复漏洞的见解。
PDF2 months ago
RA-ISF: 通过迭代自反馈从检索增强学习答案和理解
我们提出了一种迭代检索增强自我反馈 (RA-ISF) 框架，该框架将任务迭代分解并在三个子模块中处理，以增强模型的解决问题的能力。实验证明，我们的方法优于现有的基准，在像 GPT3.5、Llama2 这样的模型上表现良好，显著增强事实推理能
PDF4 months ago
作为间接推理器的大型语言模型：自动推理的逆否和矛盾
本文提出了一种新的间接推理（IR）方法，利用逆否命题和矛盾的逻辑来解决事实推理和数学证明等 IR 任务，以加强大型语言模型（LLMs）的推理能力。与传统 DR 方法相比，我们的 IR 方法通过对话模板触发 LLMs 进行基于矛盾推论的 IR
PDF5 months ago
模型是否自我解释：自然语言解释的反事实仿真性
本篇论文中，我们提出了一种新的自然语言解释评估方法 —— 反事实模拟性。实验结果显示，当前大型语言模型 (LLMs) 的解释精度相对较低，精度与可信度相关性也不高。因此，单纯依赖人类评判可能不足以解决问题。
PDFa year ago
通过知识图谱增强大型语言模型，实现事实感知语言建模
该论文回顾了使用知识图谱增强的预训练模型的研究，详细介绍了现有的知识图谱增强预训练语言模型（KGPLMs）及其应用，并提出了基于知识图谱增强的大型语言模型（KGLLM）的思想以增强 LLM 的面向事实的推理能力，为 LLM 的研究开辟了新的
PDFa year ago
ACLCOFAR: 图像搜索中的常识和事实推理
通过 KRAMT 框架结合图像与查询语言以期在图像搜索中启用常识和事实推理，其检索性能在新数据集 COFAR 上得到评估与相关方法进行比较。
PDF2 years ago