面向事件关系推理的解释导向与类比方法：用于零样本事件关系定位与编辑
计算与语言
2025-01-03 v1 人工智能
摘要
零样本事件关系推理是自然语言处理中的重要任务，现有方法联合学习多种事件关系前缀和推理前缀以实现此目标。然而，训练前缀消耗大量计算资源且缺乏可解释性。此外，不同任务间学习关系与推理知识效率低下，未充分利用任务间的联系。因此，本文首次提出解释导向定位与编辑方法（ROLE），定位和编辑语言模型中进行事件关系推理的关键模块，既提升可解释性又高效优化推理能力。随后提出类比导向定位与编辑方法（ABLE），高效利用任务间的相似性与差异性以优化零样本推理能力。实验结果表明，ROLE在降低计算成本的同时提升了可解释性与推理性能；ABLE在零样本推理中达到最先进水平。
引用
@article{arxiv.2501.00803,
title = {Reasoning-Oriented and Analogy-Based Methods for Locating and Editing in Zero-Shot Event-Relational Reasoning},
author = {Jingyao Tang and Lishuang Li and Liteng Mi and Haiming Wu and Hongbin Lu},
journal= {arXiv preprint arXiv:2501.00803},
year = {2025}
}