站长网站后台,网站开发那个语言好,小组用jsp做的网站论文,网站多页面布局本文是知识图谱系列相关的文章#xff0c;针对《Generated Knowledge Prompting for Commonsense Reasoning》的翻译。 常识推理的生成知识提示 摘要1 引言2 生成知识提示3 实验设置4 实验结果5 相关工作6 结论 摘要
结合外部知识是否有利于常识推理#xff0c;同时保持预训…本文是知识图谱系列相关的文章针对《Generated Knowledge Prompting for Commonsense Reasoning》的翻译。 常识推理的生成知识提示 摘要1 引言2 生成知识提示3 实验设置4 实验结果5 相关工作6 结论 摘要
结合外部知识是否有利于常识推理同时保持预训练序列模型的灵活性这仍然是一个悬而未决的问题。为了研究这个问题我们开发了生成知识提示它包括从语言模型中生成知识然后在回答问题时提供知识作为额外输入。我们的方法不需要对知识集成进行特定任务的监督也不需要访问结构化的知识库但它提高了大规模、最先进的模型在四个常识推理任务上的性能在数值常识NumerSense、一般常识CommonsenseQA 2.0和科学常识QASC基准上实现了最先进的结果。生成的知识提示突出了大规模语言模型作为外部知识的灵活来源以改进常识推理。我们的代码可在github.com/liujch1998/GKP上获得。
1 引言
2 生成知识提示
3 实验设置
4 实验结果
5 相关工作
6 结论
我们介绍了生成知识提示这是一种从语言模型中引出和整合知识的简单方法可以提高常识推理任务的性能。特别是我们通过提示一个语言模型来生成知识陈述该模型具有特定任务的、人性化的、小样本的问题知识对演示。我们表明只需在推理时插入知识就可以对知识进行集成而无需对知识集成模型进行微调。我们的方法在多个数据集上显示了有效性在三个常识性推理任务上设置了新的技术状态并在各种设置下工作。该方法的成功突出了语言模型作为常识推理的灵活、高质量知识的来源。
