CURIE：一种用于情境推理的迭代查询方法
计算与语言
2021-04-07 v2
摘要
近来，已有研究表明模型能够预测意外情境的影响，例如多云的天空会促进还是阻碍植物生长？在给定上下文的情况下，此类情境推理的目标是引出该上下文中出现的新情境（st）所带来的后果。我们提出一种方法，通过对微调语言模型（M）进行自然语言查询，以结构化情境图（st-graph）显式地迭代构建相关后果图。在多个领域中，CURIE生成的st-graph被人类认为在引出新情境后果方面具有相关性和意义。我们表明，仅用我们生成的情境图增强输入，CURIE生成的st-graph就能将情境推理末端任务（WIQA-QA）的准确率提升3个百分点，尤其是对于需要背景知识和多跳推理的困难子集。
引用
@article{arxiv.2104.00814,
title = {CURIE: An Iterative Querying Approach for Reasoning About Situations},
author = {Dheeraj Rajagopal and Aman Madaan and Niket Tandon and Yiming Yang and Shrimai Prabhumoye and Abhilasha Ravichander and Peter Clark and Eduard Hovy},
journal= {arXiv preprint arXiv:2104.00814},
year = {2021}
}
备注
This paper builds upon EIGEN (arXiv:2010.11764) and proposes a general framework for situational reasoning