利用大语言模型的否定互补常识
计算与语言
2023-07-14 v1 人工智能
摘要
更大的语言模型，如 GPT-3，已证明在许多任务上表现优异。然而，我们表明非同寻常的问题会使模型失去防备。本工作聚焦于在常识场景中寻找否定互补问题的答案。我们阐明了此类问题如何对模型响应产生不利影响。我们提出了一种与模型无关的方法来提升在否定互补场景下的性能。我们的方法优于 GPT-3 的少样本生成（超出 11 分以上），且更重要的是，凸显了研究大语言模型在否定互补问题下响应的重要意义。代码、数据与实验可在以下地址获取：https://github.com/navidre/negated_complementary_commonsense。
引用
@article{arxiv.2307.06794,
title = {Negated Complementary Commonsense using Large Language Models},
author = {Navid Rezaei and Marek Z. Reformat},
journal= {arXiv preprint arXiv:2307.06794},
year = {2023}
}
备注
Appeared in Natural Language Reasoning and Structured Explanations Workshop (NLRSE) - ACL 2023