CoRRPUS：基于代码的结构化提示用于神经符号故事理解
计算与语言
2023-09-22 v3
摘要
故事生成与理解——如同所有NLG/NLU任务——已在神经符号研究方面出现激增。研究者已认识到，尽管大语言模型（LLM）具有巨大效用，但可通过符号手段增强以变得更好，并弥补神经网络可能存在的缺陷。然而，符号方法的创建在所需时间与专业知识方面极其昂贵。在本工作中，我们利用最先进的Code-LLM（如Codex）来引导符号方法用于跟踪故事状态并辅助故事理解。我们展示了我们的CoRRPUS系统与抽象化提示流程，能以最小的人工工程在已有故事理解任务（bAbI Task 2与Re^3）上击败当前最先进的结构化LLM技术。我们希望本工作有助于凸显符号表示与面向LLM的专门提示的重要性，因为这些模型需要一些引导才能恰当地执行推理任务。
引用
@article{arxiv.2212.10754,
title = {CoRRPUS: Code-based Structured Prompting for Neurosymbolic Story Understanding},
author = {Yijiang River Dong and Lara J. Martin and Chris Callison-Burch},
journal= {arXiv preprint arXiv:2212.10754},
year = {2023}
}
备注
Accepted to Findings of ACL 2023