PizzaCommonSense：学习对烹饪食谱中间步骤的常识推理建模
计算与语言
2024-10-11 v2
摘要
理解烹饪食谱等程序性文本，对于使机器能够遵循指令并推理任务至关重要，这是智能推理的一个关键方面。在烹饪中，这些指令可被解释为对食物制备的一系列修改。为使模型有效推理烹饪食谱，它必须准确辨别并理解食谱中中间步骤的输入和输出。我们提出了一个新的烹饪食谱语料库，其中丰富了描述每个步骤输入和输出的中间步骤描述。PizzaCommonsense作为大语言模型(LLM)推理能力的基准，因为它要求严格的显式输入-输出描述，以证明模型获得了隐式的常识知识，而这种知识不太可能被轻易记忆。GPT-4仅获得26%的人类评估偏好生成率，为未来改进留下了空间。
引用
@article{arxiv.2401.06930,
title = {PizzaCommonSense: Learning to Model Commonsense Reasoning about Intermediate Steps in Cooking Recipes},
author = {Aissatou Diallo and Antonis Bikakis and Luke Dickens and Anthony Hunter and Rob Miller},
journal= {arXiv preprint arXiv:2401.06930},
year = {2024}
}
备注
Findings of EMNLP 2024. The data is available at: https://github.com/adiallo07/PizzaCommonsense