ConvoSense：克服对话式常识推理的平凡性

掌握常识理解与推理是conducting engaging conversations（进行富有成就感的对话）的关键技能。虽然已有多种尝试创建数据集以促进对话情境下的常识推理，但现有数据集往往缺乏深入细节、重述对话中已有信息，常未能捕捉常识推理的多面性。为此，本文使用 GPT 编译了新的合成数据集用于对话情境下的常识推理，名为 ConvoSense，具备更大的情境新颖性、每个实例更高的推理数量，以及对推理所传递细节的显著丰富。该数据集包含超过 50 万条推理，覆盖 12 000 条对话，涉及 10 种流行的推理类型，这使训练用于对话的生成式常识模型成为可能，这些模型在生成具有高新颖性的合理推理方面优于在先前数据集上训练的模型。据我们所知，ConvoSense 是首个在如此大规模上提供如此多新颖推理的数据集。