迈向 AI 完备的问答：一组先决玩具任务
人工智能
2016-01-01 v9 计算与语言
机器学习
摘要
机器学习研究的一个长期目标是产生适用于推理和自然语言的方法，特别是构建智能对话代理。为衡量朝向该目标的进展，我们主张使用一组代理任务，通过问答评估阅读理解。我们的任务通过多种方式衡量理解能力：系统是否能通过事实链、简单归纳、演绎等来回答问题。这些任务被设计为任何旨在与人类对话的系统都必须具备的先决条件。我们相信许多现有学习系统目前无法解决它们，因此我们的目标是将这些任务分类为技能集合，以便研究者识别（并纠正）其系统的缺陷。我们还扩展并改进了最近提出的 Memory Networks 模型，并展示它能够解决部分但非全部任务。
引用
@article{arxiv.1502.05698,
title = {Towards AI-Complete Question Answering: A Set of Prerequisite Toy Tasks},
author = {Jason Weston and Antoine Bordes and Sumit Chopra and Alexander M. Rush and Bart van Merriënboer and Armand Joulin and Tomas Mikolov},
journal= {arXiv preprint arXiv:1502.05698},
year = {2016}
}