論文の概要: Factoring Statutory Reasoning as Language Understanding Challenges

• arxiv url: http://arxiv.org/abs/2105.07903v1
• Date: Mon, 17 May 2021 14:33:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-18 14:50:58.038372
• Title: Factoring Statutory Reasoning as Language Understanding Challenges
• Title（参考訳）: 言語理解の課題としてのファクタリング法則推論
• Authors: Nils Holzenberger and Benjamin Van Durme
• Abstract要約: 法定推論を4種類の言語理解課題問題に分解する。 Prologプログラムに見られる概念と構造を紹介します。 法定推論のモデルは、追加の構造の恩恵を受けることが示されている。
• 参考スコア（独自算出の注目度）: 48.13180364616141
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Statutory reasoning is the task of determining whether a legal statute, stated in natural language, applies to the text description of a case. Prior work introduced a resource that approached statutory reasoning as a monolithic textual entailment problem, with neural baselines performing nearly at-chance. To address this challenge, we decompose statutory reasoning into four types of language-understanding challenge problems, through the introduction of concepts and structure found in Prolog programs. Augmenting an existing benchmark, we provide annotations for the four tasks, and baselines for three of them. Models for statutory reasoning are shown to benefit from the additional structure, improving on prior baselines. Further, the decomposition into subtasks facilitates finer-grained model diagnostics and clearer incremental progress.
• Abstract（参考訳）: 法律推論は、自然言語で述べられている法律が事件のテキスト記述に適用されるかどうかを決定するタスクである。 以前の研究は、モノリシックなテキストエンテーメント問題として法定推論にアプローチするリソースを導入し、ニューラルベースラインはほぼその場で動作した。 この課題に対処するために、Prologプログラムで見られる概念や構造を導入して、法則推論を4種類の言語理解課題に分解する。 既存のベンチマークを増し、4つのタスクのアノテーションを提供し、3つのタスクのベースラインを提供します。 法定推論のモデルは、追加の構造の恩恵を受け、以前のベースラインを改善することが示されている。 さらに、サブタスクへの分解により、きめ細かいモデル診断が容易になり、段階的な進歩が明確になる。

関連論文リスト

• Scaling Synthetic Logical Reasoning Datasets with Context-Sensitive Declarative Grammars [0.6537995248511139]
  複数の言語を結合するフレキシブルなコンテキスト依存ルールを持つ宣言型フレームワークを提案する。 最大32の前提と1つの仮説を選択して一階述語論理問題を構築する。 生成中の意味的制約と述語に対する注意深い英語の動詞化は、自然な英語のタスクを損なうことなく論理的推論を促進することを実証する。
  論文  参考訳（メタデータ） (2024-06-16T18:10:49Z)
• Reframing Tax Law Entailment as Analogical Reasoning [38.50170507450238]
  類推タスクの各インスタンスは、法定推論の2つのインスタンスの組み合わせを含む。 これにより、データセットのサイズを2桁に拡大し、解釈可能性の要素を導入する。 このタスクは、自然言語処理モデルが本来のタスクとほぼ同程度に困難であることを示す。
  論文  参考訳（メタデータ） (2024-01-12T17:37:07Z)
• LogicAsker: Evaluating and Improving the Logical Reasoning Ability of Large Language Models [63.14196038655506]
  大規模言語モデル(LLM)の論理的推論能力を評価・拡張するための新しいアプローチであるLogicAskerを紹介する。 提案手法は, LLMが論理規則を学習する際の大きなギャップを明らかにし, 異なるモデル間で29%から90%の推論失敗を識別する。 GPT-4oのようなモデルにおける論理的推論を最大5%向上させることで、これらの知見を活用して、ターゲットとなる実演例と微調整データを構築した。
  論文  参考訳（メタデータ） (2024-01-01T13:53:53Z)
• Language Models can be Logical Solvers [99.40649402395725]
  論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。 LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2023-11-10T16:23:50Z)
• Explainable Verbal Reasoner Plus (EVR+): A Natural Language Reasoning Framework that Supports Diverse Compositional Reasoning [41.99368317059466]
  本稿では,言語モデルの合成推論能力を高めるための推論フレームワークであるExplainable Verbal Reasoner Plus(EVR+)を提案する。 私たちのフレームワークは、ネストループや異なるタイプの再帰といった、より多様な推論をサポートします。 その結果,5つのタスクにおける言語モデルの合成一般化性能を向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-04-28T19:27:26Z)
• STREET: A Multi-Task Structured Reasoning and Explanation Benchmark [56.555662318619135]
  マルチタスクとマルチドメインの自然言語推論と説明ベンチマークを統一的に導入する。 我々は、モデルが質問に答えるだけでなく、ある解の正しさを証明できる中間的な結論を生成するために、問題の前提がどのように使われているかを記述する、段階的に構造化された説明を生成することを期待している。
  論文  参考訳（メタデータ） (2023-02-13T22:34:02Z)
• Unifying Structure Reasoning and Language Model Pre-training for Complex Reasoning [26.811507121199323]
  本稿では,明示的な構造推論と言語事前学習を組み合わせ,PLMと構造推論のスキルを融合した統合学習フレームワークを提案する。 まず、コンテクスト内のいくつかの基本構造を識別し、構造化されたクエリを構築し、クエリに沿ってステップバイステップの推論を行い、回答エンティティを識別する。 4つのデータセットに対する実験結果から,提案モデルが多様構造を含む複雑な推論タスクにおいて,大幅な改善を達成できることが示されている。
  論文  参考訳（メタデータ） (2023-01-21T08:18:11Z)
• From LSAT: The Progress and Challenges of Complex Reasoning [56.07448735248901]
  本稿では,LSAT(Law School Admission Test)の3つの課題について,解析的推論,論理的推論,読解の3つの課題について検討する。 本稿では,これら3つのタスクを統合するハイブリッド推論システムを提案する。
  論文  参考訳（メタデータ） (2021-08-02T05:43:03Z)
• Towards Interpretable Reasoning over Paragraph Effects in Situation [126.65672196760345]
  我々は,原因と効果を理解するためのモデルを必要とする状況において,段落効果を推論する作業に焦点をあてる。 本稿では,ニューラルネットワークモジュールを用いた推論プロセスの各ステップを明示的にモデル化する逐次的手法を提案する。 特に、5つの推論モジュールはエンドツーエンドで設計され、学習され、より解釈可能なモデルにつながる。
  論文  参考訳（メタデータ） (2020-10-03T04:03:52Z)
• A Dataset for Statutory Reasoning in Tax Law Entailment and Question Answering [37.66486350122862]
  本稿では,法定推論における自然言語理解手法の性能について検討する。 我々は、法的ドメインのテキストコーパスとともにデータセットを導入する。 タスクを完全に解くように設計された手作りPrologベースのシステムと対比する。
  論文  参考訳（メタデータ） (2020-05-11T16:54:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。