Maieutic Prompting：基于递归解释的逻辑一致推理
计算与语言
2022-10-26 v2
摘要
尽管大型预训练语言模型(LMs)能力惊人，却在一致推理上存在困难；近期，提示LM生成自我引导推理的解释已成为弥补此缺陷的有前景方向。然而，这些方法从根本上受限于解释的正确性，而解释本身往往含噪且不一致。本工作中，我们提出Maieutic Prompting，即便从LM含噪且不一致的生成中也能推断出问题的正确答案。Maieutic Prompting溯因地(如：X为真，因为……)且递归地诱导出一棵解释树，随后将这些解释及其逻辑关系上的推理构建为一个可满足性问题。我们在三个需要复杂常识推理的具有挑战性基准上测试了Maieutic Prompting的True/False问答。Maieutic Prompting比最先进提示方法准确率最高提升20%，且作为完全无监督方法，与有监督模型竞争力相当。我们还表明Maieutic Prompting在提供可解释依据的同时提升了推理鲁棒性。
引用
@article{arxiv.2205.11822,
title = {Maieutic Prompting: Logically Consistent Reasoning with Recursive Explanations},
author = {Jaehun Jung and Lianhui Qin and Sean Welleck and Faeze Brahman and Chandra Bhagavatula and Ronan Le Bras and Yejin Choi},
journal= {arXiv preprint arXiv:2205.11822},
year = {2022}
}
备注
EMNLP 2022