面向词语猜测挑战的零样本分类方法

Nicos Isaak

面向词语猜测挑战的零样本分类方法

机器学习 2022-06-28 v1 人工智能计算与语言

作者: Nicos Isaak

摘要

基于著名 Taboo 游戏的 Taboo Challenge 竞赛已被提出以激励 AI 领域的研究。该挑战要求构建能够理解猜测者与描述者智能体之间交换消息所隐含推断的系统。描述者向猜测者发送预先确定的提示间接描述城市，猜测者需返回提示所隐含的匹配城市。在计分榜上攀升需要在指定时间内以最少提示量解析最多城市。在此，我们提出 TabooLM，一种基于零样本设定的语言模型方法应对该挑战。我们首先呈现并将该方法结果与文献中三项研究比较。结果表明，我们的方法在 Taboo 挑战上取得了 SOTA 结果，表明 TabooLM 比现有方法更快且更准确地猜测隐含城市。

关键词

零样本分类语言模型 Taboo 挑战词语猜测自然语言推断

引用

@article{arxiv.2206.13099,
  title  = {A Zero-Shot Classification Approach for a Word-Guessing Challenge},
  author = {Nicos Isaak},
  journal= {arXiv preprint arXiv:2206.13099},
  year   = {2022}
}

备注

9 pages, 3 figures, 3 Tables

面向词语猜测挑战的零样本分类方法

摘要

关键词

引用

备注

相关论文