EvEntS ReaLM：基于语言模型的实体状态事件推理
计算与语言
2022-11-11 v1
摘要
本文研究事件蕴含模型。具体而言，即通过针对模型对物理属性的理解，考察其预测实体状态变化的能力。名义上，大型语言模型（LLM）已接触过关于物体如何交互的过程性知识，但我们的基准测试表明它们无法对世界进行推理。相反，我们还表明，现有方法通常因不当的任务编码而错误地表征了 LLM 令人惊讶的能力，而恰当的模型提示可以显著提升多个任务中已报告的基线结果性能。特别是，我们的结果表明，我们的提示技术对于未见属性（域外）或仅有有限数据可用时尤为有效。
引用
@article{arxiv.2211.05392,
title = {EvEntS ReaLM: Event Reasoning of Entity States via Language Models},
author = {Evangelia Spiliopoulou and Artidoro Pagnoni and Yonatan Bisk and Eduard Hovy},
journal= {arXiv preprint arXiv:2211.05392},
year = {2022}
}
备注
EMNLP 2022