論文の概要: LogicSolver: Towards Interpretable Math Word Problem Solving with Logical Prompt-enhanced Learning

• arxiv url: http://arxiv.org/abs/2205.08232v1
• Date: Tue, 17 May 2022 11:01:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-18 13:06:51.993981
• Title: LogicSolver: Towards Interpretable Math Word Problem Solving with Logical Prompt-enhanced Learning
• Title（参考訳）: LogicSolver: 論理的プロンプト強化学習による解釈可能な数学語問題解決を目指して
• Authors: Zhicheng Yang, Jinghui Qin, Jiaqi Chen, Liang Lin and Xiaodan Liang
• Abstract要約: 我々はまず,11,495MWPからなる高品質MWPデータセットInterMWPを構築した。 本稿では論理的プロンプトと解釈を用いた新しい手法であるLogicrを提案する。 これらの改良されたセマンティック表現により、我々のLogicrは、生成された解表現に従って対応する解表現と解釈可能な知識を生成する。
• 参考スコア（独自算出の注目度）: 135.8654475934613
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recently, deep learning models have made great progress in MWP solving on answer accuracy. However, they are uninterpretable since they mainly rely on shallow heuristics to achieve high performance without understanding and reasoning the grounded math logic. To address this issue and make a step towards interpretable MWP solving, we first construct a high-quality MWP dataset named InterMWP which consists of 11,495 MWPs and annotates interpretable logical formulas based on algebraic knowledge as the grounded linguistic logic of each solution equation. Different from existing MWP datasets, our InterMWP benchmark asks for a solver to not only output the solution expressions but also predict the corresponding logical formulas. We further propose a novel approach with logical prompt and interpretation generation, called LogicSolver. For each MWP, our LogicSolver first retrieves some highly-correlated algebraic knowledge and then passes them to the backbone model as prompts to improve the semantic representations of MWPs. With these improved semantic representations, our LogicSolver generates corresponding solution expressions and interpretable knowledge formulas in accord with the generated solution expressions, simultaneously. Experimental results show that our LogicSolver has stronger logical formula-based interpretability than baselines while achieving higher answer accuracy with the help of logical prompts, simultaneously.
• Abstract（参考訳）: 近年,深層学習モデルは解答精度においてMWPの解法において大きな進歩を遂げている。 しかし、それらは主に浅いヒューリスティックに依存し、基礎となる数学論理を理解して推論することなく高いパフォーマンスを達成するため、解釈できない。 そこで我々はまず,11,495個のMWPからなる高品質MWPデータセットを構築し,各解方程式の基底論理として代数的知識に基づく解釈可能な論理式に注釈を付ける。 既存のMWPデータセットとは違って、我々のInterMWPベンチマークでは、解式を出力するだけでなく、対応する論理式を予測することを求める。 さらに論理的プロンプトと解釈を生成する新しい手法であるLogicSolverを提案する。 各MWPに対して、我々のLogicSolverはまず高相関な代数的知識を取得し、その後、MWPのセマンティック表現を改善するプロンプトとしてバックボーンモデルに渡す。 これらの改良された意味表現により、我々のLogicSolverは対応する解式と、生成された解式に従って解釈可能な知識公式を同時に生成する。 実験の結果,論理ソルバはベースラインよりも論理式に基づく解釈性が強く,論理プロンプトの助けを借りて解答精度も高いことがわかった。

関連論文リスト

• 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)
• Solving Math Word Problem with Problem Type Classification [12.700472956406005]
  数学語問題(MWP)は、解を導出するためにテキスト記述を分析し、数学的方程式を生成する必要がある。 既存の研究は、木ベースの解法と大規模言語モデル(LLM)の2種類の解法でMWPを解くことに重点を置いている。 本稿では,MWP解決能力の向上に複数のアンサンブル手法を用いる。
  論文  参考訳（メタデータ） (2023-08-26T10:35:16Z)
• Logic-LM: Empowering Large Language Models with Symbolic Solvers for Faithful Logical Reasoning [101.26814728062065]
  大規模言語モデル(LLM)は人間のような推論能力を示しているが、それでも複雑な論理的問題に悩まされている。 本稿では,論理問題の解法を改善するために,LLMとシンボリックソルバを統合した新しいフレームワークであるLogic-LMを紹介する。
  論文  参考訳（メタデータ） (2023-05-20T22:25:38Z)
• Analogical Math Word Problems Solving with Enhanced Problem-Solution Association [37.70402758178867]
  本稿では,アナログMWPを利用した新しいMWP解法を提案する。 アナロジー同定と呼ばれる鍵となるアイデアは、アナログMWP対を潜在空間で関連付けることである。 解判別器はMWPソルバに統合され、MWPの表現と真の解との関連性を高める。
  論文  参考訳（メタデータ） (2022-12-01T19:50:30Z)
• Generalizing Math Word Problem Solvers via Solution Diversification [56.2690023011738]
  我々は,解バッファと解判別器を導入することで,MWPソルバの新しいトレーニングフレームワークを設計する。 本フレームワークは,全Seq2Seq MWPソルバの完全・半弱・弱教師付きトレーニングに柔軟に適用可能である。
  論文  参考訳（メタデータ） (2022-12-01T19:34:58Z)
• MWP-BERT: A Strong Baseline for Math Word Problems [47.51572465676904]
  数学語問題(英: Math word problem、MWP)とは、自然言語による問題記述の列を、実行可能な数学方程式に変換するタスクである。 近年, MWP の逐次モデル化は, 文脈理解の数学的側面から評価されているが, 事前学習言語モデル (PLM) はMWP の解法として研究されていない。 我々はMWP-BERTを導入し、テキスト記述と数理論理の整合性を捉える事前訓練されたトークン表現を得る。
  論文  参考訳（メタデータ） (2021-07-28T15:28:41Z)
• Semantically-Aligned Universal Tree-Structured Solver for Math Word Problems [129.90766822085132]
  実用的自動テキスト数学語問題(MWP)は,様々なテキストMWPを解くことができる。 MWPの方程式を一様に表現する最初の試みとして,Universal Expression Tree (UET) を提案する。 次に,エンコーダ・デコーダ・フレームワークに基づく意味的に整合した普遍木構造解法 (SAU-r) を提案し,複数のMWPを統一モデルで解く。
  論文  参考訳（メタデータ） (2020-10-14T06:27:07Z)

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。