Core Concepts
抽象的意味表現(AMR)に基づいた論理駆動型データ拡張手法(AMR-LDA)を提案し、大規模言語モデルの論理推論能力を向上させる。
Abstract
本論文では、論理推論タスクのパフォーマンス向上のために、抽象的意味表現(AMR)に基づいた論理駆動型データ拡張手法(AMR-LDA)を提案している。
AMR-LDAの主な特徴は以下の通りである:
元の文章をAMRグラフに変換し、論理的等価性や非等価性を表すグラフ変形操作を行うことで、論理的に等価または非等価な文章を自動生成する。
生成された文章ペアを用いて、識別的大規模言語モデルの論理推論能力を向上させるための対照学習を行う。
生成された文章を用いて、生成的大規模言語モデルの論理推論タスクのパフォーマンスを向上させるためのプロンプト拡張を行う。
実験の結果、AMR-LDAを用いることで、論理推論、自然言語推論、テキスト蕎麦関係の各種タスクにおいて、既存手法よりも高い性能が得られることが示された。特に、ReClor leaderboardでトップの成績を収めている。
Stats
論理推論タスクにおいて、既存手法よりも高い性能が得られる。
ReClor leaderboardでトップの成績を収めている。