AmazUtah_NLP at SemEval-2024 Task 9: A MultiChoice Question Answering System for Commonsense Defying Reasoning

SemEval 2024 BRAINTEASER任务是自然语言处理(NLP)中的一个开创性尝试，它关注的是横向思维，这是传统语言分析经常忽视的认知推理维度。该挑战包括句子拼图和单词拼图子任务，旨在测试语言模型的发散思维能力。本文介绍了我们对BRAINTEASER任务的方法。我们采用了一种全面的策略，利用了先进的预训练模型和多项选择架构，并通过句子和单词拼图数据集来使训练数据多样化。为了进一步提高模型的性能，我们使用了合成幽默/笑话数据集和RiddleSense数据集进行微调，从而增强了模型的横向思维能力。实证结果表明，我们的方法在句子拼图子任务中实现了92.5\%的准确率，在单词拼图子任务中实现了80.2\%的准确率。

本论文旨在解决自然语言处理中常被忽视的认知推理维度——横向思考能力的问题，通过提出句子拼图和单词拼图两个子任务来测试语言模型的横向思考能力。

本论文采用了多项策略，包括利用先进的预训练模型、多项选择架构、句子和单词拼图数据集的多样化训练数据，以及使用合成幽默/笑话数据集和RiddleSense数据集来微调模型，进一步提高其横向思考能力。

实验结果表明，本论文的方法在句子拼图子任务中达到92.5％的准确率，在单词拼图子任务中达到80.2％的准确率。此外，本论文使用的数据集和代码均已开源，值得进一步研究。

在最近的研究中，也有一些类似的研究。例如，标题为“Exploring Lateral Thinking for Natural Language Inference”的论文也探讨了自然语言推理中的横向思考能力。