大型语言模型的神秘性顶层本体
计算与语言
2024-05-06 v1 人工智能
摘要
在本工作中，我们系统化和分析了大型语言模型（LLM）生成响应中隐含的本体论承诺，聚焦于ChatGPT 3.5作为案例研究。我们调查了尽管LLM没有显式本体，但在其生成文本中体现隐式本体论分类的方式。该论文提出了一种理解LLM本体论承诺的方法，将本体定义为提供某些文本本体论承诺系统性解释的理论。我们调查了ChatGPT的本体论假设并呈现了一个系统化的解释，即GPT的顶层本体。这包括一个可作为OWL文件提供的分类学，以及关于本体假设（例如关于其矢盾论或持续论）的讨论。我们展示了在某些方面，GPT的顶层本体与现有的顶层本体相当。然而，由于LLM生成文本的灵活性，仍面临显著挑战，包括本体过载、模糊性和不一致性。
引用
@article{arxiv.2405.01581,
title = {The Mercurial Top-Level Ontology of Large Language Models},
author = {Nele Köhler and Fabian Neuhaus},
journal= {arXiv preprint arXiv:2405.01581},
year = {2024}
}