面向大语言模型隐喻理解的心理语言学启发的思维链提示
计算与语言
2023-05-23 v2 人工智能
机器学习
摘要
语言理解的概率模型是研究人类语言使用的有价值工具。然而，它们需要针对特定领域手工设计。相比之下，大语言模型(LLMs)在跨越广泛领域的文本上训练，但缺乏概率模型的结构和可解释性。在本文中，我们使用思维链提示将概率模型中的结构引入LLMs。我们在隐喻理解这一案例中探索该方法。我们的思维链提示引导语言模型推断潜变量并推理它们之间的关系，以选择隐喻的恰当释义。所选择的潜变量和关系受认知心理学中隐喻理解理论的启发。我们将这些提示应用于两个最大版本的GPT-3，并表明它们能在释义选择任务中提升性能。
引用
@article{arxiv.2209.08141,
title = {Psychologically-informed chain-of-thought prompts for metaphor understanding in large language models},
author = {Ben Prystawski and Paul Thibodeau and Christopher Potts and Noah D. Goodman},
journal= {arXiv preprint arXiv:2209.08141},
year = {2023}
}
备注
7 pages, 1 figure