generative commonsense reasoning | BriefGPT

关键词generative commonsense reasoning

搜索结果 - 9

通过上下文学习提高大型语言模型对常识生成的多样性
生成常识推理（GCR）需要模型利用常识知识进行推理，同时生成连贯的句子。本论文提出了一种简单的方法来增加大型语言模型（LLMs）生成的多样性，同时保持生成质量。实验结果表明，该方法在生成质量和多样性之间取得了理想的平衡，并且所生成的句子可用
PDF2 months ago
ICML知识图谱增强的韩语生成式常识推理
本文提出一种利用韩语知识图谱数据进行文本生成的方法，并强调使用补充数据可以增强韩语通识推理的效率。
PDFa year ago
VER: 为实体和关系生成自然语言表示的学习方法
本文提出了 VER 模型，旨在利用自然语言描述实体之间的关系。该模型能够生成描述实体和实体关系的高质量句子，并为定义建模、关系建模和生成通用常识推理等任务提供了便利。
PDF2 years ago
ACL重新审视生成式常识推理：一种预排序方法
本文研究了预训练模型的常识知识，提出使用预排序方法以改变输入概念的顺序，进而并非依靠外部知识和资源，有效提高模型的常识推理能力。
PDF2 years ago
ACL基于知识图谱专家混合的常识推理内容生成的多样化
本文提出了一种基于领域专家积混合策略的方法（即 MoKGE），以通过 commonsense 知识图谱来增加生成推理的多样性，结果表明 MoKGE 能够显著提高多样性并在 GCR 的两个基准测试中取得与准确性相当的性能。
PDF2 years ago
ICLR基于语境的场景想象技术用于常识推理生成
本文提出了一种 Imagine-and-Verbalize（I＆V）方法，该方法学习想象一个具有输入概念之间关系的关系场景知识图，并利用该图作为约束生成一个合理的场景描述，实验证明了该方法在改善语言模型上的效果，在从更少的任务示例中学习以及
PDF3 years ago
AAAI检索、字幕、生成：视觉基础为文本生成模型增强常识
本研究探讨了利用图像中的多模态信息增强文本生成 Transformer 模型通用知识的有效方法。我们使用 BART 和 T5 进行了实验，并通过 VisCTG 方法成功地改善了通用知识、流畅性和特定性等问题的基线文本生成模型。
PDF3 years ago
AAAIKG-BART: 生成通识推理的知识图谱增强 BART 模型
通过加入知识图谱，KG-BART 提出一种新颖的预训练语言生成模型，以增强通用常识推理的能力，提高生成的句子的逻辑性和自然度，并通过 CommonGen 数据集取得了显著的效果提升，可作为后续社区感知 QA 任务的场景背景。
PDF4 years ago
EMNLPCommonGen: 一个面向生成通识常识推理的受限文本生成挑战
本文介绍了一个基于 CommonGen 任务的数据集，用于评估预训练语言模型的生成常识推理能力，任务的难点在于需要进行关系推理并具有通用性，实验结果表明目前最先进的文本生成模型与人类表现存在很大差距，且生成的常识推理能力可以用于提高 Dow
PDF5 years ago