rationale | BriefGPT - AI 论文速递

关键词rationale

搜索结果 - 7

可解释性历史蒸馏之基于标记时序点过程
本文介绍了一种基于因果关系自动生成历史事件解释的机器学习系统，通过历史事件分解的方式，目标是尽可能少地从观察到的历史中提取事件，并通过条件概率预测未来，实验结果证明该系统在揭示真实世界过程的基础上明显优于其他基准模型。
PDF8 months ago
LLM 谈判中的情感分析
该论文介绍了一种用于情感分析的多 LLM 协商框架，其中包括一个推理注入生成器来提供决策及其理由，以及一个评估生成器可信度的解释推导鉴别器，通过迭代使生成器和鉴别器达成一致，从而解决了情感分析中的单一决策缺陷的问题。实验证明，该方法在各种情
PDF8 months ago
令您的决策有说服力！一个统一的两阶段框架：自我归属和决策
自我归因与决策 (SADM) 是一个统一的两阶段框架，它不仅建立了生成的解释与模型决策之间更可靠的联系，而且在任务性能和解释质量方面取得了竞争性结果。
PDF8 months ago
RecRec: 推荐系统的算法性补救
针对内容提供者，我们提出了一个适用于推荐系统的追索框架，旨在理解模型在做出特定预测和推荐时的基本原理，并通过对三个真实数据集上训练的推荐系统进行实证评估，展示了 RecRec 在生成有效、稀疏和可执行的追索方面的高效性。据我们所知，这项工作
PDF10 months ago
EMNLP通过动态多任务学习实现连续问题生成
本文提出了 “连续问题生成” 任务，使用动态多任务框架生成逻辑相关的问题 - 答案对，全面考虑准确性、覆盖范围和信息量，并使用求精法（reranking）提高提问质量，提升 NLP 相关任务的效果。
PDF2 years ago
ACL理念的理性化
提出一种自我解释模型 ConRAT，它从输入文本中提取概念，并使用关键概念的线性聚合来解释结果，以可解释性和预测性能方面超越了最先进的方法。
PDF3 years ago
EMNLP信息瓶颈方法控制合理化提取中的简洁性
本文通过优化信息瓶颈（IB）目标的界限，提出了一种新的完全无监督方法， jointly 学习解释器和端任务预测器，通过可调的稀疏先验直接控制掩码的稀疏性水平。在 ERASER 基准任务上的实验表明，使用 IB 相比于 norm-minimi
PDF4 years ago