谷歌、麻省大学阿默斯特分校等联合 | COMPOSITIONAL SEMANTIC PARSING WITH LARGE LANGUAGE MODELS（大模型的复合语义句法分析）

作者：Andrew Drozdov, Nathanael Schärli, Ekin Akyuürek, 等

简介：本文研究在大模型语义句法分析上应用Prompt提示技术。当面临新任务时，人类可以进行组合推理。先前的研究表明，适当的提示技术使大型语言模型能够解决人工合成泛化任务（如 SCAN人工合成任务数据集）。在这项工作中，作者确定了具有更大词汇量的、更现实的语义解析任务中的挑战，并改进了这些提示技术来解决相关问题。作者最好的方法是基于最少到最多的提示（dynamic least-to-most prompt）：它使用基于提示的句法解析来分解问题，然后使用这种分解来选择适当的示例并顺序生成语义解析。该方法让研究者在 CFQ（大型KGQA数据集、组合式 Freebase 问题） 设置达成新的SOTA效果，同时只需要传统方法使用的训练数据的 1%。鉴于本方法的通用性，作者预计相关努力将在其他任务和领域带来新的成果，特别是在知识密集型应用领域。

论文下载：https://arxiv.org/pdf/2209.15003.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除