numerical reasoning | BriefGPT

关键词numerical reasoning

搜索结果 - 52

EMNLP机器阅读理解任务中的数值推理：我们已经到达了吗？
本文研究了针对数字推理任务的自然语言处理模型表现，并发现现有的评估指标无法有效测量模型在这一任务上的进展。
PDF3 years ago
ACLFORTAP: 使用公式进行数值推理感知表格预训练
本研究提出了 FORTAP，通过利用海量电子表格公式语料库设计两个公式预训练任务，利用电子表格公式自然而然的强数值推理监督来实现表格预训练。研究结果表明，FORTAP 在单元格类型分类和公式预测任务上取得了最先进的结果，展示了数值推理预训练
PDF3 years ago
EMNLPFinQA: 金融数据上的数值推理数据集
为了解决金融领域中财务报表分析的难题，本文提出了一个新的数据集 FinQA，并进行了广泛的实验。实验结果显示预训练模型在金融知识和复杂多步骤的数值推理方面远远不及专家人类。这个新的数据集应该为复杂应用领域的深入研究提供了可能性。
PDF3 years ago
ACLHiTab：面向问答和自然语言生成的层次化表格数据集
这项研究提出了 HiTab 数据集，用于对分层表格进行问题回答和自然语言生成的学习和研究，并提供了包含数量和实体对齐注释的描述性句子和问题，挑战了现有方法的分层索引、计算和语义相关性问题，是未来研究的有价值的基准。
PDF3 years ago
ACLMWP-BERT: 数理增强的数学应用问题预训练
本文介绍了一种通过上下文表示学习的方式，将数值属性注入到符号占位符中的方法，以解决数值表示问题。我们将此想法引入到预训练语言模型（PLM）技术中，构建了一种有效的上下文数值表示 PLM（MWP-BERT）。我们在英文和中文基准上证明了 MW
PDF3 years ago
ACLTAT-QA：面向金融领域表格和文本混合内容的问答基准
本文提出了一个新的 QA 数据集 TAT-QA，并提出了一个新的 QA 模型 TAGOP，该模型可以同时推理表格和文本的含义，但该模型的 F1 值达到了 58.0％，距离专家水平还有较大的差距（90.8％），本文提供的 TAT-QA 可以作
PDF3 years ago
NT5?! 训练 T5 进行数字推理
通过五个顺序训练计划，我们使用一种预先培训的 T5 模型适应 NRoT，并在三个数据集上进行进一步训练以增强 NRoT 的技能并在 DROP 数据集上进行微调。我们的模型通过训练 T5 多任务框架以及多个不断增加难度的数字推理数据集，展现了
PDF3 years ago
EMNLP面向文本的数值推理问题导向图注意力网络
提出了一种异构图表示，驱动多步骤的基于问题的图注意力网络，用于完成机器阅读理解中的数字推理任务，具有自然语言理解和算术计算的双重要求。
PDF4 years ago
朝向与问题格式无关的数值推理：一套必备任务
介绍了一个多方面的基准测试 NUMBERGAME 来评估八种不同形式的数值推理任务的模型绩效，并需具有探测数据中的问题格式，查找中间常见格式，加入常识知识和解决不同格式数据不平衡的能力。同时，构建了多个基线模型，包括一个基于作弊纸的知识狩猎
PDF4 years ago
ACL将数字推理技能注入语言模型
通过在大量数据集上进行多任务训练，我们展示了数值推理可以注入到预训练的语言模型中，使性能得到显著提高。在一个简单通用的 encoder-decoder 架构上训练，我们的模型 GenBERT 在 DROP 数据集上的性能可以达到与同等规模的
PDF4 years ago
EMNLPNumNet: 数值推理的机器阅读理解
提出了一个名为 NumNet 的数值 MRC 模型，它利用带数值意识的图神经网络，考虑问题和段落中数字上的比较信息，从而执行数值推理，理解人类阅读理解中的关键技能。在 DROP 数据集上，我们的系统取得了 EM 得分 64.56％，优于所有
PDF5 years ago
用阅读理解为 BERT 配备计算器：寻找操作和参数
介绍了基于 BERT 的阅读理解模型，可以通过简单的程序执行轻量级的数值推理，并在具有挑战性的 Discrete Reasoning Over Passages 数据集上，通过添加浅层程序，实现了 33％的绝对改进。模型可以在数学词问题环境
PDF5 years ago