temporal reasoning | BriefGPT

关键词temporal reasoning

搜索结果 - 45

上下文的重要性：对时间问答系统中上下文信息影响的实证研究
该论文通过经验性地考察训练在各种上下文类型中的时间问答（TQA）系统的鲁棒性，填补大型语言模型（LLM）在处理时态信息方面的不足，发现在涵盖相关、无关、稍微改动和无上下文的混合情况下训练，能增强模型的鲁棒性和准确性，并且问题先于上下文的位置
PDF5 days ago
ReXTime: 视频跨时间推理的基准套件
ReXTime 是一个基准测试，旨在严格测试 AI 模型在视频事件中执行时间推理的能力。它专注于跨时间的推理，即当问题及其相应答案发生在不同的视频片段时的人类理解。我们介绍了一个自动化流程，用于生成时间推理问题 - 答案对，大大减少了对手工
PDF5 days ago
Timo：朝着更好的语言模型时态推理
大型语言模型（LLMs）理解世界的关键是对时间进行推理。我们通过系统研究 38 个时间推理任务，提出了能够处理各种时间推理任务的通用框架，其中使用数学数据集为时间推理奠定了坚实基础，并通过自我批评的时间优化方法，提升了模型的时间推理能力。最
PDF12 days ago
时光考验：评估 LLMs 在时间推理上的基准
针对大型语言模型在时间推理任务中的性能，在引入新颖的合成数据集的基础上，对问题结构、尺寸、问题类型、事实顺序等因素对大型语言模型性能的影响进行了系统研究，从而提供了对当前大型语言模型在时间推理任务中优点和不足的有价值洞察。
PDF19 days ago
ACL活在当下：大型语言模型能否把握同时推理？
本研究介绍了 CoTempQA，一个包含四个共时场景的 QA 基准数据集，用于评估大型语言模型的共时理解和推理能力，发现当前模型在 CoTempQA 任务上表现明显低于人类水平，甚至在采用 CoT 方法进行加强后仍然艰难。通过初步探索，发现
PDF19 days ago
CVPRRMem: 受限内存存储改进视频对象分割
通过限制记忆库的规模，我们在视频目标分割模块（VOS）中实现了显著的提高。这个过程平衡了帧的重要性和新鲜度，以维持一个有限容量的信息性记忆库，并降低了训练 - 推理过程中记忆长度的差异，从而在时间推理方面开辟了新的机遇。最终，我们通过 “R
PDF20 days ago
实时多模态复杂事件检测的神经和神经符号方法的实证评估
通过分析各种传感器数据以识别复杂事件模式，本研究调查了多模态复杂事件检测中神经和神经符号结构的性能，并证明了神经符号结构在事件识别方面具有卓越的性能。
PDF4 months ago
大型语言模型能够学习时间推理
我们提出了一种新的基于文本的时间推理模型 TempGraph-LLM，通过将上下文翻译成时间图，教导大型语言模型 (LLMs) 学习时间概念。我们证明了在其他任务上的预训练对 LLMs 的效益，并通过思路链的引导和特殊数据增强引导 LLMs
PDF6 months ago
AAAISTAIR: 空间 - 时序推理中间结果可审计的视频问答方法
提出了 STAIR，一个用于视频问答的具有可审计中间结果的时空推理模型。STAIR 是一个神经模块网络，包含一个程序生成器和一组轻量级神经模块，用于完成视频问答的基本子任务，并引入了中间监督来提高准确性。
PDF6 months ago
时间图：基于图的时间推理
提出了一种名为 TimeGraphs 的新方法，将动态交互以分层的时间图形式建模，通过自监督方法构建多层次事件层次结构，有效地进行非均匀分布的动态推理。在多个数据集上评估 TimeGraphs 的性能，包括足球模拟器、Resistance
PDF6 months ago
TimeBench：大型语言模型中的时间推理能力全面评估
理解时间是人类认知的关键方面，在把握世界的复杂性的更广泛框架中至关重要。通过创建 TimeBench，一个广泛的分层时间推理基准，涵盖了广泛的时间推理现象，我们提出可以全面评估大型语言模型的时间推理能力，对于研究人员来说是一个重要工具。通过
PDF7 months ago
通过多跳问答数据集和伪指导调整实现大型语言模型的鲁棒性时序推理
本文提出了一个复杂的时间问答（QA）数据集 Complex-TR，重点关注多答案和多跳的时间推理，并提出了一种新颖的数据增强策略来改善大型语言模型（LLMs）的复杂时间推理能力和鲁棒性。实验证明，我们的方法能够显著提高 LLMs 在时间 Q
PDF8 months ago
通过抽象推理归纳进行时间知识问答
我们提出了一种以构造主义为基础的方法，将 LLM 学习过程转向主动、持续的知识综合和定制，通过将时态推理分为两个阶段并整合历史数据中的抽象方法，显著提高了 LLM 对时态推理的能力。
PDF8 months ago
EMNLPMTGER: 多视图时间图增强的时间推理模型应用于时间相关文档
我们提出了 MTGER，这是一个新颖的多视图时序图增强时间推理框架，用于对涉及时间的文档进行时间推理。通过多视图时序图，MTGER 显式地建模了事实之间的时间关系，实现了时间和论述关系的显式建模，并采用自适应融合机制捕捉两个视图之间的时间和
PDF8 months ago
EMNLP将时间图融合至 Transformer 以用于时间敏感问答
通过应用现有的时间信息提取系统构建事件、时间和时间关系的时间图，然后研究将这些图融入 Transformer 模型的不同方法，实验结果表明，我们提出的融合时间图的方法显著提高了 Transformer 模型的时间推理能力，在不进行微调的情况
PDF8 months ago
TRAM：大型语言模型的时间推理基准评估
该论文介绍了 TRAM（一个由十个数据集组成的时间推理基准），用于评估大型语言模型在时间推理能力方面。使用 GPT-4、Llama2 和 BERT 模型，在需要零样本学习和少样本学习的情况下进行了广泛评估，结果显示这些模型在时间推理任务上仍
PDF9 months ago
回到未来：面向大型语言模型的可解释性时间推理
本文提出了解释性时间推理的首个任务，即通过对多个事件进行多步骤的时间推理和对未来时间戳的预测，预测事件在未来时间戳上的发生，并提供清晰的解释。我们基于多源指导调整数据集和知识图谱生成策略，提出了第一个支持解释性时间推理的开源 LLM 系列
PDF9 months ago
ACL针对大型语言模型的时间推理能力的基准测试和改进
本文介绍了一个全面的测试数据 empreason 来评估大语言模型的时间推理能力，包括三个时间推理水平的问题，并提出了一种基于时间跨度提取和时间敏感的强化学习的新型学习框架来提高其时间推理能力，并证明了其有效性。
PDFa year ago
音频问答的多尺度关注
本篇研究提出了一种多尺度窗口注意力融合模型，通过异步混合注意力模块和多尺度窗口注意力模块，提高了音频场景理解中的时间推理能力。
PDFa year ago
通过动态规划和次线性分割改进 Allen 的区间代数算法
本文提出了一种新颖的动态规划和亚线性分区技术框架来解决 NP-hard 的定性推理问题，将 Allen 的时间区间代数的复杂度从 O（（1.0615n）^ n）降至 O（（cn /log n）^ n）；提出的算法技术不仅大大提高了 NP-h
PDFa year ago