本文提出了一种基于领域专家积混合策略的方法(MoKGE),旨在通过常识知识图谱提升生成推理的多样性。研究表明,MoKGE显著提高了多样性,并在多个基准测试中表现出与准确性相当的性能。此外,探讨了大型语言模型在多语言任务中的应用及其在视觉常识推理中的协同能力,提出了新的评估方法和数据集,以促进跨语言常识推理的发展。
该文综述常识知识图谱研究进展,涵盖文本方法提升知识图谱补全、约束型提示改善大模型生成质量(在WN18RR和FB15K237上超越先前结果)、神经符号推理器处理动态常识图谱、大规模通识推理数据集与归纳模型、半监督框架PseudoReasoner补全常识库、概率逻辑表示与层次化本体、对话代理零样本推理系统、ConceptNet关系注入UniLM提升文本生成、逻辑推理题训练预训练模型、CLEVER从图像提取常识以及CAR方法提升零样本常识问答表现。
Gold框架构建常识知识图谱,引入实体语义信息、全局规则和本地结构信息,去噪效果优异,对零样本常识问答任务有益处。
完成下面两步后,将自动完成登录并继续当前操作。