从肯定句生成多样化否定句

尽管大型语言模型在各种任务中表现出色，但它们常常难以在否定陈述下进行推理。否定在现实世界应用中很重要，因为它们编码了动词短语、从句或其他表达中的否定极性。然而，它们在当前的基准测试中代表性不足，这些基准测试主要包含基本的否定形式，而忽略了更复杂的形式，导致训练语言模型的数据不足。在这项工作中，我们提出了NegVerse，一种通过从肯定句生成多种否定类型（包括英语文本中常见的动词性、非动词性和词缀形式）来解决否定数据集缺乏问题的方法。我们基于句法结构，为句子中最可能出现否定的部分提供了新的掩码规则，并使用冻结的基线LLM和提示微调来生成否定句。我们还提出了一种过滤机制来识别否定线索并移除退化的例子，从而产生多样化的有意义的扰动。我们的结果表明，NegVerse优于现有方法，生成的否定句与原始句子具有更高的词汇相似性、更好的句法保留和否定多样性。代码可在https://github.com/DarianRodriguez/NegVerse获取。