★ 2
神经符号 NLI:用句级监督学习命题级链接
研究提出可训练的原子链接器,在无原子对标注的情况下,利用句级 NLI 标签联合预测链接存在性、来源选择与关系类型,用于 AMR 到 SAT 的神经符号推理。在 SNLI、SICK、MNLI 上较固定链接器基线提升 8.14-27.09 个百分点。
arXiv NLP19 天前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究提出可训练的原子链接器,在无原子对标注的情况下,利用句级 NLI 标签联合预测链接存在性、来源选择与关系类型,用于 AMR 到 SAT 的神经符号推理。在 SNLI、SICK、MNLI 上较固定链接器基线提升 8.14-27.09 个百分点。
研究提出 HomogeneityNLI 数据集,含 1000 组最小对立项,考察 LLM 对复数定指「既非真也非假」的同质性间隙的理解。评估七个开源模型发现普遍存在二值偏见:零样本下无模型在两种极性上识别间隙超过 15%,否定定指 84% 被判为假。