- 标注和建模隐含语义的隐喻使用框架
该研究提出了一个新的隐喻意图分类系统,并发布了首个含有隐喻使用意图注释的数据集。通过对大型语言模型在推断隐喻使用意图方面的实验,结果表明这仍然是一个对大型语言模型而言具有挑战性的任务。
- 看見看不見的:視覺隱喻對視頻進行標註
我们介绍了一项新的视觉 - 语言(VL)任务,描述视频中的隐喻,并提出了一个低资源视频隐喻字幕系统(GIT-LLaVA),该系统在所提出的任务上获得了与现有技术相媲美的性能。
- ACL使用大规模自动隐喻辨识验证隐喻断言
这项研究是基于大规模语料库的分析,验证了有关动词隐喻的一些存在观点,结果显示,作为隐喻使用的动词的直接宾语往往具有较低的具体性、可形象化和熟悉度,隐喻更容易在情感和主观句子中使用。
- 发现困扰预训练语言模型的具有挑战性的隐喻
对 VUA 隐喻数据集进行分析发现,很多隐喻对下游任务的性能产生很小的影响,因此需要将研究者的注意力转移到那些具有挑战性的隐喻上。为了识别出难度较大的隐喻,本文提出了一个自动化流程,并对各种热门 NLP 系统的机器翻译准确率降低了 16%、 - ChatGPT 元喻:辅鹦鹉还是殖民扩音器?培养 AI 批判素养
探讨 AI 的隐喻如何帮助我们意识到塑造我们对 AI 系统,尤其是像 ChatGPT 这样的大型语言模型的理解的框架,并且鉴于教授 “批判性 AI 素养” 的紧迫需要,隐喻的讨论为探究和对话提供了机会,以寻找细微之处、游戏性和批判精神。
- AI 抓握:面向设计师的实践训练
人工智能 (AI) 和机器学习 (ML) 被广泛地应用于物理和数字产品,创造了前所未有的互动和功能机会。然而,在这个创意领域中,设计师们面临一个挑战,即在技术的可能性和人类互动关切之间取得平衡。本文调查了探索和思考 AI 系统互动特点、独特 - 评估大型语言模型对隐晦与讽刺的理解能力:使用阿斯伯格综合症筛查测试
该研究使用标准化测试来检验最近的大型语言模型(LLMs)理解人类微妙交流的能力,结果发现虽然它们在理解隐喻方面得到了提升,但对于理解讽刺的提升并未观察到,这表明必须采取另一种方法使 LLMs 具备理解讽刺的能力。
- 语言迷宫:对 AI 话语中使用的术语进行建设性批评
人工智能领域的术语问题成为一个重要的议题,本文通过分析人工智能辩论的核心概念,提出更贴切的术语,以促进更有成果的讨论。
- ACL语言模型坚守阵地:探究修饰语言表达中体现之象征性的表达对语言模型的影响
本研究采用大型语言模型,研究对比了具有体现概念的隐喻句子和不具有的,结果表明具有体现概念的隐喻句子更易被解释。
- EMNLP隐喻表达强烈情感的奥秘
研究隐喻与字面表达在情感表达上存在差异的原因,发现隐喻基于更具体的表达方式,因此在情感表达能力上更具优势,并发现字面语言同样可以透过增强具体性来增加情感表达。
- ACLMiQA: 多义问题推理基准
本研究提出了一个基准来评估大型语言模型处理传统比喻的能力,并结合比喻检测和常识推理的先前孤立主题,要求模型在准确选择字面或隐喻文本之间作出推论。我们考察了最先进的预训练模型在二元选择任务中的表现,并发现小型和非常大型模型性能之间存在巨大差异 - EMNLP关系层面隐喻识别的背景调节
本文介绍了一种使用神经网络和上下文调节(contextual modulation)识别抽象比喻表达方式的方法,并在基准数据集上取得了最新的最佳性能。