- 基于物联网防御的文本转 SQL 之上:用于查询和分类物联网威胁的全面框架
基于物联网文本到 SQL 数据集,我们研究了如何从返回的数据中推断新信息,通过两阶段处理(查询和数据信息推断)可以改善文本到 SQL 的性能,并提供了测试领域特定推理的新方法。
- ACLBookSQL:面向会计领域的大规模文本到 SQL 数据集
给定一份新的大规模文本转 SQL 数据集(BookSQL),研究作者通过实验与分析现有的最先进模型,发现在会计和金融领域存在显著的性能差距,进而指出有需要开发更专注于该领域的模型。
- 支持不完整用户查询的 LLM + 推理 + 规划在 API 存在的情况下
最近大型语言模型(LLMs)的可用性推动了许多基于 LLM 的方法的发展,旨在提供各种最终用户任务的自然语言接口。我们提出的方法的关键思想是利用逻辑推理和经典人工智能规划,结合 LLM 准确回答用户查询,包括识别和收集这些查询中的任何缺失信 - 语言辅助下的场景检索:我在哪里?
使用自然语言接口和语境 AI 的研究,探索以自然语言查询来识别 3D 场景图的场景检索方法,并介绍了 Text2SceneGraphMatcher 的学习框架和数据集。
- SLFNet: 从自然语言生成语义逻辑形式的语义概率图
使用 SLFNet 提出一种新型神经网络,将语义解析任务中的依赖句法信息作为先验知识加入模型中,捕捉上下文信息和单词之间的长程交互,并构建语义概率图以获取预测变量之间的局部依赖关系,从而通过多头 SLF Attention 机制从自然语言指 - SecGPT: 基于 LLM 的系统的执行隔离架构
使用自然语言界面定义应用程序和其交互,SecGPT 提出了一种基于 LLM 的系统架构,旨在减轻第三方应用程序执行所引起的安全和隐私问题,并评估其性能开销。
- 自然语言站立指令的用户请求解释
包含自然语言界面中用户的偏好与指示(称为固定指令)作为额外上下文的提案,通过为 NLSI 构建一个含有用户对话与特定固定指令的数据集,发展了包含约 2.4K 对话与 17 个领域的语言到程序转换数据集,其中的关键挑战之一是确定哪些固定指令适 - 代理人:自主语言代理的开源框架
最近在大语言模型(LLMs)的研究中取得的进展使得研究人员和开发者能够构建自主语言代理,通过自然语言界面自动解决各种任务并与环境、人类和其他代理进行交互。我们认为语言代理是通向人工通用智能的有希望方向,并发布了 Agents 这一开源库,旨 - CARTIER:面向机器人指令执行的地图语言推理
该研究通过大型语言模型(LLMs)探索了空间规划和自然语言界面与导航的交叉问题。我们关注的是遵循与传统机器人指令不同、更类似于自然对话的相对复杂的指令。与先前的大多数工作不同的是,我们研究了对话交互中的隐式指令。通过利用 3D 模拟器 AI - 复杂话语的自然语言分解和解释
该研究介绍了一种通过分层自然语言分解处理复杂话语的方法来装备简单的语言代码模型,以实现自然语言接口的功能,实现了对几乎没有复杂训练数据的复杂话语的解释,并优于标准的少量提示方法。
- ChatGPT 与传统问答系统在知识图谱中的比较:现状与未来发展方向
本文研究如何将 Conversational AI 和 Question-Answering systems 应用于 knowledge graphs 中,以提供自然语言的交互接口。同时,对两种技术进行对比和评估,并提出将 QASs 升级为 - XNLI: NLI-based 视觉数据分析的解释和诊断
本文介绍了一种用于视觉数据分析的可解释自然语言接口系统 XNLI,通过引入 Provenance Generator、交互式小部件以及 Hint Generator 等功能,帮助用户定位问题、调整查询并提供解释。用户研究表明,该系统可以显著 - 自然语言界面的反事实解释
本文提出了一种基于语义分析的新方法来生成自然语言界面的解释,重点是提供后续解释,描述如何最小修改发言以实现用户的目标。在两项用户研究中,我们证明了我们的方法可以显著提高用户的性能,并且与两种去除实验相比,可以生成更符合用户意图的解释。
- 基于下一步自然语言查询推荐的交互式数据分析
我们开发了一个基于数据驱动方法的自然语言接口系统,其中包含了一个逐步查询推荐模块,帮助用户在探索大型复杂 SQL 数据库时进行更有效和系统化地数据分析过程。我们的用户研究表明,相比于没有推荐模块的基准系统,我们的系统可以帮助用户更加高效和系 - 你的意思是什么?”—— 一种独立于解析器的交互式方法,用于增强文本到 SQL 的能力
该研究论文提出了一种名为 PIIA 的交互式方法,它使用多项选择题与用户交互,以提高自然语言查询数据库的性能,并且能够与多个解析器一起使用。实验结果表明,PIIA 可以显著提高 text-to-SQL 的性能。
- ACLPhoton: 一个强大的跨领域文本到 SQL 系统
用于数据库的自然语言接口(NLIDB)系统,包括强大的神经语义解析器、人类矫正器、SQL 执行器和响应生成器,能够识别自然语言的输入并改进文本到 SQL 系统的鲁棒性。
- 最近数据库自然语言接口比较调查
本文评估了 24 个最近开发的自然语言数据库接口(NLIs),并将其分类为基于关键字、模式、解析和语法的四组,发现语法为基础的系统是最强大的,但高度依赖其手动设计的规则,同时本文的研究成果对于设计能够回答各种用户问题的 NLIs 至关重要。
- ACL从用户反馈中学习神经语义解析器
本研究提出了一种使用神经序列模型直接将话语映射到 SQL 的自然语言接口构建方法,并基于用户反馈实现高质量的语义解析,实验表明这种方法快速适用于任何新领域。
- MM为自然语言理解学习可执行的语义解析器
本文介绍了语义解析的组成部分和主要挑战,旨在从数据中学习语义解析器并将其应用于问题回答系统和自然语言界面,提供丰富的逻辑与统计学二合一的领域。