questions | BriefGPT - AI 论文速递

关键词questions

搜索结果 - 13

学习提出有信息量的问题：利用偏好优化和期望信息增益增强 LLM
该论文介绍了一种增强大型语言模型生成问题信息性的方法，通过在 20 问游戏对话中应用直接偏好优化算法，从同一模型中抽样多个问题，创建低信息增益和高信息增益问题的配对来提高问题的效果，并在不同领域展示了该方法的有效性。
PDF9 days ago
理解理解：受大型语言模型驱动的实用框架
通过随机采样和应用概率置信边界，我们提出了一个测试任何机器或人类是否理解一门主题的框架，其中包括确定问题范围、要求一般能力和避免荒谬答案，但允许某些问题的错误和 “我不知道” 答案。根据我们的框架，目前的大型语言模型不能说理解非平凡领域，但
PDF18 days ago
战舰开火：自然语言指导下的采样式程序提问
使用大型语言模型生成自然语言问题，将其转化为符号程序，并评估其预期信息增益，从而在有限的认知资源下提出信息丰富的问题。结果表明，这种简单的蒙特卡洛优化策略可以在各种战舰游戏场景中产生与人类表现相似的有信息的问题，而纯语言模型则在将问题与游戏
PDF4 months ago
网络统计：用于评估大型语言模型在网络安全领域的基准数据集
介绍了 CyberMetric，这是一个包含 10,000 个问题的基准数据集，通过合作过程结合人类专家知识和大型语言模型（LLMs）来创建问题，主要目标是在网络安全领域中促进人类和不同 LLMs 之间的公平比较，结果显示 LLMs 在几乎
PDF5 months ago
思考的不确定性：不确定性感知规划增强大型语言模型中的信息搜索
通过模拟、激励和奖励机制，引入了一种名为不确定性思考（UoT）的算法来提高大型语言模型在主动寻求信息方面的能力。在医学诊断、故障排除和 '20 个问题 ' 游戏的实验中，UoT 相较于直接提示的方式，在成功完成任务的速度上平均提高了 57.
PDF5 months ago
为什么小鸡要过马路？重述和分析 VQA 中的模棱两可问题
通过构建一个二义问题数据集，并使用基于英语的问题生成模型以及语言对齐本体论来减少二义性，我们展示了一种将答案组信息整合到问题生成目标中的方法。
PDF2 years ago
文本丰富化的密集复述
本文提出了 Dense Paraphrasing（DP）这一文本表征转化的过程，即通过对文本表达（词汇或词组）进行重写以减少歧义并使底层语义得到明确的阐述，从而改善推理和问答任务性能。同时，作者介绍了第一个完整的 DP 数据集及注释任务的范
PDF2 years ago
ACL最新新闻疑问驱动聊天机器人
本论文介绍了一个从多样化的新闻文章中提取主题并自动生成对话的聊天机器人，其关键组成部分包括新闻文章的主题分组、自动生成的问题集成到对话中以及通过一种新颖的方法选择问题，以避免重复性建议。我们描述了算法框架，并呈现了一项可用性研究的结果，表明
PDF3 years ago
EMNLP提取论证中的隐含主张
本文通过评估一系列计算方法在 2016 年美国总统辩论和在线评论等语料库上的表现，探讨了提取论证中问题、报告性陈述和祈使的内隐主张的计算方法的效用和局限性，为未来的论证挖掘和论证中这些修辞手法的语义研究提供帮助。
PDF4 years ago
ACLCOVID-19 问题分类数据集
COVID-Q 是一个包含 1690 个与 COVID-19 有关的问题的数据集，其中包含了来自 13 个来源的问题，并将它们分成了 15 个问题类别和 207 个问题簇。该数据集可以帮助开发相关系统或作为模型评估的领域特定的资源。
PDF4 years ago
机器学习可解释性：一门科学而非工具
提出基于问题科学方法的机器学习可解释性框架，旨在回答与可解释性相关的特定问题，从而更深入地理解机器学习科学而非工程，同时不仅仅依赖于机器学习方法。
PDF6 years ago
EMNLP发问的修辞作用：政治话语中的发问是否太过苛求？
本文通过无监督的方法，提取并分类表现在社交互动中的问题的表面形式，揭示了这些问题中的修辞方面如何影响政治话语并揭示了议员任期和政治生涯抱负的效应。
PDF7 years ago
使用含有噪音的预训练技术进行问题的神经换句识别
本文针对问题的释义识别问题提出了一种新的解决方案，该方案采用可分解注意力模型（Parikh et al.，2016）的一种变种，在二元释义标签的问题对数据集上表现出了极高的准确性。同时，该模型的简单性超过了许多竞争的神经结构。在预训练模型时
PDF7 years ago