- 利用强化学习在图表示上进行对话代理的知识获取
我们开发了一个人工智能代理,通过与其他代理进行对话来积极增加其知识库,并通过识别新的集成信念周围的图模式来生成对话响应,我们展示了在交互中可以使用强化学习来学习选择有效的图形模式,而无需依赖明确的用户反馈,并在这一背景下,我们的研究证明了利 - 可编辑外部知识的语言建模
当文本随着世界的改变而改变时,我们如何构建能够轻松更新以反映这些变化的语言模型?本论文引入了 ERASE,通过逐步删除或重写知识库中的其他条目来改进模型在添加新文档时的表现,从而提高了模型在回答有关一系列新闻文章或对话的问题时的准确性。
- 一个带有推荐器的协作式数据分析系统适用于多样化的用户
该论文介绍了 SLEGO(软件乐高)系统,这是一个协作式分析平台,通过云平台和可重复使用的模块化微服务,弥合了经验丰富的开发人员和新手用户之间的差距。这些微服务使开发人员能够共享他们的分析工具和工作流程,而简单的图形用户界面(GUI)使新手 - COLINGKET-QA:用于知识增强表格问答的数据集
这篇论文介绍了一种使用知识库作为表格问答的外部知识源,并构建了一个带有精细化知识注释的数据集 KET-QA。通过设计检索 - 推理结构化流水线模型,实验结果表明,该模型在三个不同场景(微调、零样本和少样本)中相对性能提升范围为 1.9 至 - Re2LLM:面向会话推荐的反思增强型大型语言模型
提出了一种反思性强化大语言模型(Reflective Reinforcement Large Language Model,Re2LLM)用于会话推荐,通过构建知识库来引导大语言模型(LLM)关注专业知识,以实现更准确的推荐。
- 事件链接的论证感知方法
事件链接通过识别事件提及与知识库中相关的节点相连。该研究提出了一种关注事件参数的方法,以解决事件链接中的若干挑战,包括事件参数信息的识别和处理知识库外事件提及的问题。在两个测试数据集上进行的实验证明,该方法在处理知识库内外的情况下都取得了显 - KnowPhish: 基于大型语言模型和多模态知识图谱的参考式钓鱼检测增强
通过自动化检测方法,我们提出了一个使用大规模多模态品牌知识库的多模态网络钓鱼检测方法,以及一个可以检测带有或不带有商标的网络钓鱼页面的多模态网络钓鱼检测器。
- OVEL:作为在线视频实体链接的大型语言模型的内存管理器
近年来,多模态实体链接(MEL)备受研究界关注,由于其在众多多模态应用中的重要性。本文提出了一项名为在线视频实体链接(OVEL)的任务,旨在建立在线视频中提及的内容与知识库之间的准确和及时的连接。为了促进 OVEL 的研究工作,我们针对直播 - Nissist: 基于故障处理指南的事件缓解副驾驶
Nissist 通过利用故障排除指南和历史事故缓解讨论,提供主动建议,减少人工干预,从而显著缩短事故缓解时间(TTM)并提高服务可靠性。
- 突破壁垒:通过推理知识图谱利用大型语言模型用于工业推荐系统
LLM-KERec 利用大型语言模型捕捉用户意图转变,适应新项目,并提高在不断发展的电子商务领域中的推荐效率,通过整合互补知识解决传统推荐系统的局限性。
- AAAI本体增强的索赔检测
我们提出了一个基于本体增强模型的句子级主张检测方法,通过将来自知识库的本体嵌入与 BERT 句子嵌入相融合,对 ClaimBuster 和 NewsClaims 数据集进行主张检测。我们的本体增强方法在这些小型非均衡数据集上展示出了最佳结果 - 检索增强生成:稠密段落检索是否正在检索?
密集路径检索(DPR)是提升大型语言模型(LLM)性能的检索增强生成(RAG)范式中的第一步,本研究通过探测、层激活分析和模型编辑的组合,深入研究 DPR fine-tuning,发现 DPR 训练方式中的去中心化存储及其对检索模型的限制, - Hi-Core:层次化知识迁移用于连续性强化学习
Hi-Core 是一个新颖框架,用于在连续强化学习中增强高层次的知识传递,并通过大型语言模型(LLM)进行目标设置和低层次策略学习,并通过知识库存储策略实现层次化知识传递,实验证明其在处理多样化 CRL 任务上的有效性优于常见的基线模型。
- 线索引导的路径探索:一个高效的知识库问答框架,低计算资源消耗
我们介绍了一个名为 Clue-Guided Path Exploration (CGPE) 的框架,它有效地将知识库和大型语言模型相结合,以少量的计算资源要求更新模型的知识,并在开放数据集上的实验证明其优于现有方法,对于计算资源有限的组织和 - 基于基础模型的机器人自学习框架:从探索中成长
智能机器人是机器人领域的最终目标,本文提出了名为 GExp 的框架,通过自我探索、知识库构建和闭环反馈等模块,使机器人能够自主探索和学习,解决了机器人自主探索各种环境的挑战,并且提供了部署实际机器人系统作为全方位助手的工作流程。
- CANDLE: 大型语言模型中的常识推理的迭代概念化与实例提炼
通过引入 CANDLE,一个渗透式谐谑缠绕呼出器,研究人员在常识知识库上进行了环境相关的概念化和实例化,并通过评估验证提出的这些知识类型的杰出质量和多样性,进而得出结论,在学生模型上提取 CANDLE 可以对四个下游任务带来好处。
- TONE: 一种用于情绪分析的三层本体
本研究提出了基于 Gerrod Parrot 博士情绪群体的 TONE 情绪本体论,通过半自动化词汇构建过程和自动化方法建立不同情绪之间的联系,开发出可应用于情绪分类的知识基础,并展示了本体论的质量和适用性。
- BELHD: 基于同名词消歧的生物医学实体链接改进
Biomedical Entity Linking with Homonym Disambiguation (BELHD) is a name-based method that expands homonyms in the knowle - 一种建模完整知识上下文中决策的认知逻辑
本文提出了一种用于对不完全知识建模决策的新语言,它结合了分层、自知逻辑和定义三个原则,其中知识库是一个认识论理论的层级结构,每个组成部分理论都可以对较低理论中的知识进行认识论推理,并使用具有认识条件的定义来进行决策。
- MedDM: 临床决策制定的 LLM 可执行的临床指导树
提出了可用于大型语言模型的 LLM 执行的临床指导树(CGT),并根据临床实践指南中的流程图构建了医学诊断决策数据集(MedDM),从医学文献中筛选出流程图并将其转化为标准化的诊断决策树,构建了包含 1202 个决策树的知识库,涵盖了内科、