通过解多样化泛化数学应用题求解器
计算与语言
2022-12-05 v1 人工智能
摘要
当前的数学应用题（MWP）求解器通常是以（一题；一解）对训练的 Seq2Seq 模型，每对由一个问题描述和一个展示推理流程以获得正确答案的解组成。然而，一个 MWP 问题自然具有多个解算式。以（一题；一解）对训练 MWP 求解器排除了其他正确解，从而限制了 MWP 求解器的泛化能力。对此限制的一个可行方案是给定问题扩充多个解。然而，通过人工努力收集多样且准确的扩充解十分困难。本文中，我们通过引入解缓冲区和解判别器为 MWP 求解器设计了一种新的训练框架。缓冲区包含由 MWP 求解器生成的解，以鼓励训练数据的多样性。判别器控制参与训练的缓冲解的质量。我们的框架可灵活应用于所有 Seq2Seq MWP 求解器在完全监督、半弱监督和弱监督训练下的广泛设定。我们在基准数据集 Math23k 和名为 Weak12k 的新数据集上进行了大量实验，结果表明我们的框架通过生成正确且多样的解，在不同设定下提升了各类 MWP 求解器的性能。
引用
@article{arxiv.2212.00833,
title = {Generalizing Math Word Problem Solvers via Solution Diversification},
author = {Zhenwen Liang and Jipeng Zhang and Lei Wang and Yan Wang and Jie Shao and Xiangliang Zhang},
journal= {arXiv preprint arXiv:2212.00833},
year = {2022}
}
备注
Accepted by AAAI2023