ESPRIT：对物理推理任务解法的解释
计算与语言
2020-05-15 v2 机器学习
摘要
神经网络缺乏对定性物理进行推理的能力，因此无法泛化到训练期间未见的场景和任务。我们提出 ESPRIT，一个用于自然语言中对定性物理进行常识推理的框架，可生成物理事件的可解释描述。我们采用两步法：首先识别环境中的关键物理事件，然后使用数据到文本的方法生成这些事件的自然语言描述。我们的框架学习生成关于物理仿真将如何因果演化的解释，以便智能体或人类能利用这些可解释描述轻松推理解法。人工评估表明，与甚至人类标注相比，ESPRIT 产生了关键的细粒度细节，并具有对物理概念的高覆盖度。数据集、代码和文档可在 https://github.com/salesforce/esprit 获取。
引用
@article{arxiv.2005.00730,
title = {ESPRIT: Explaining Solutions to Physical Reasoning Tasks},
author = {Nazneen Fatema Rajani and Rui Zhang and Yi Chern Tan and Stephan Zheng and Jeremy Weiss and Aadit Vyas and Abhijit Gupta and Caiming XIong and Richard Socher and Dragomir Radev},
journal= {arXiv preprint arXiv:2005.00730},
year = {2020}
}
备注
ACL 2020