用于求解数学应用题的自洽推理
计算与语言
2024-02-20 v2
摘要
数学应用题（MWPs）是一项从给定的文本数学题中自动推导求解表达式的任务。以往的研究受到输入文本与输出表达式之间虚假相关性的困扰。为了缓解这一问题，我们提出了一种名为 SCR 的自洽推理框架，该框架尝试采用剪枝策略来纠正输出分布偏移，从而隐式地修复那些虚假相关样本。具体而言，我们首先通过剪枝 roberta2tree 模型获得一个子网络，以便利用原始 roberta2tree 模型与剪枝后子网络在输出分布上的差异来暴露虚假相关样本。然后，我们应用对称 Kullback-Leibler 散度来校准输出分布偏移，以减轻虚假相关性。此外，SCR 生成等价表达式，从而捕获原始文本的逻辑，而不是依赖原始文本的提示。在两个大规模基准上的大量实验表明，我们的模型大幅优于强基线方法。
引用
@article{arxiv.2210.15373,
title = {Self-consistent Reasoning For Solving Math Word Problems},
author = {Jing Xiong and Zhongwei Wan and Xiping Hu and Min Yang and Chengming Li},
journal= {arXiv preprint arXiv:2210.15373},
year = {2024}
}
备注
Submitted to IEEE ICASSP 2023