論文の概要: ELASTIC: Numerical Reasoning with Adaptive Symbolic Compiler
- arxiv url: http://arxiv.org/abs/2210.10105v2
- Date: Thu, 20 Oct 2022 11:38:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 10:56:41.426040
- Title: ELASTIC: Numerical Reasoning with Adaptive Symbolic Compiler
- Title(参考訳): ELASTIC:適応型シンボリックコンパイラによる数値推論
- Authors: Jiaxin Zhang, Yashar Moshfeghi
- Abstract要約: 本稿では,adapTive symbolIc Compiler (ELASTIC) モデルを用いたnumEricaL reASoningを提案する。
複雑な推論を行う場合、エラスティックは堅牢である。
実験の結果、ELASTICは68.96と65.21の精度とプログラムの精度を達成した。
- 参考スコア(独自算出の注目度): 5.753951795185978
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Numerical reasoning over text is a challenging task of Artificial
Intelligence (AI), requiring reading comprehension and numerical reasoning
abilities. Previous approaches use numerical reasoning programs to represent
the reasoning process. However, most works do not separate the generation of
operators and operands, which are key components of a numerical reasoning
program, thus limiting their ability to generate such programs for complicated
tasks. In this paper, we introduce the numEricaL reASoning with adapTive
symbolIc Compiler (ELASTIC) model, which is constituted of the RoBERTa as the
Encoder and a Compiler with four modules: Reasoning Manager, Operator
Generator, Operands Generator, and Memory Register. ELASTIC is robust when
conducting complicated reasoning. Also, it is domain agnostic by supporting the
expansion of diverse operators without caring about the number of operands it
contains. Experiments show that ELASTIC achieves 68.96 and 65.21 of execution
accuracy and program accuracy on the FinQA dataset and 83.00 program accuracy
on the MathQA dataset, outperforming previous state-of-the-art models
significantly.
- Abstract(参考訳): テキスト上での数値推論は人工知能(AI)の難しい課題であり、読解と数値推論能力を必要とする。
従来のアプローチでは、推論プロセスを表現するために数値推論プログラムを使用する。
しかし、ほとんどの作品は数値推論プログラムの重要な構成要素である演算子やオペランドの生成を分離していないため、複雑なタスクでそのようなプログラムを生成する能力は限られている。
本稿では,Reasoning Manager, Operator Generator, Operands Generator, および Memory Register の4つのモジュールからなるRoBERTa をエンコーダとして構成した adapTive symbolIc Compiler (ELASTIC) モデルを用いたnumEricaL reASoningを提案する。
複雑な推論を行う場合、弾力性は堅牢である。
また、包含するオペランドの数を気にせずに多様な演算子の拡張をサポートすることにより、ドメインに依存しない。
実験により、ELASTICはFinQAデータセットで68.96と65.21の実行精度とプログラム精度、MathQAデータセットで83.00のプログラム精度を達成した。
関連論文リスト
- Guess & Sketch: Language Model Guided Transpilation [61.24102712913847]
学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。
確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。
Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
論文 参考訳(メタデータ) (2023-09-25T15:42:18Z) - When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。
具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。
コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
論文 参考訳(メタデータ) (2023-08-29T17:22:39Z) - ToL: A Tensor of List-Based Unified Computation Model [3.012532379848898]
従来の計算モデルは、全ての計算を表現できる同等の能力を持つが、複雑なアルゴリズムをプログラミングするためのプリミティブ演算子を提供できない。
本稿では、一般化された表現能力を持つ統一計算モデルと、ハイレベルアルゴリズムをプログラムするためのプリミティブ演算子の簡潔なセットを提案する。
論文 参考訳(メタデータ) (2022-12-21T03:22:24Z) - Chaining Simultaneous Thoughts for Numerical Reasoning [92.2007997126144]
テキストによる数値推論は、AIシステムにとって不可欠なスキルであるべきです。
これまでの研究は方程式の構造をモデル化することに集中し、様々な構造化デコーダを提案してきた。
我々は、有向非巡回グラフを用いてステップを推論する数値推論器CANTORを提案する。
論文 参考訳(メタデータ) (2022-11-29T18:52:06Z) - NAPG: Non-Autoregressive Program Generation for Hybrid Tabular-Textual
Question Answering [52.10214317661547]
現在の数値推論法はプログラムシーケンスを自己回帰的にデコードする。
プログラム生成の精度は、デコードステップがエラー伝搬によって展開されるにつれて急激に低下する。
本稿では,非自己回帰型プログラム生成フレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-07T11:25:21Z) - Lila: A Unified Benchmark for Mathematical Reasoning [59.97570380432861]
LILAは、23の多様なタスクと4次元からなる統一的な数学的推論ベンチマークである。
我々は,Pythonプログラムの形式でタスク命令とソリューションを収集することにより,20のデータセットベンチマークを拡張してベンチマークを構築した。
LILAで訓練された汎用数学的推論モデルであるBHASKARAを紹介する。
論文 参考訳(メタデータ) (2022-10-31T17:41:26Z) - NumGLUE: A Suite of Fundamental yet Challenging Mathematical Reasoning
Tasks [37.730939229638224]
8つのタスクでAIシステムの性能を評価するベンチマークであるNumGLUEを提案する。
このベンチマークは、最先端の大規模言語モデルを含むニューラルモデルで解決されるには程遠い。
我々はNumGLUEが言語内で堅牢で一般的な算術推論を行うシステムを促進することを願っている。
論文 参考訳(メタデータ) (2022-04-12T09:36:10Z) - On the Configuration of More and Less Expressive Logic Programs [11.331373810571993]
SATとASPの2つのよく知られたモデルベースAI手法は、入力を特徴付けるかもしれない多くの構文的特徴を定義する。
各競合から抽出したSATドメインとASPドメインに関する広範な実験的分析の結果は、入力の再構成と構成を用いて得られる様々な利点を示している。
論文 参考訳(メタデータ) (2022-03-02T10:55:35Z) - Neural-Symbolic Solver for Math Word Problems with Auxiliary Tasks [130.70449023574537]
我々のNS-rは、問題を読み取り、問題をエンコードする問題リーダーと、記号方程式を生成するプログラマと、答えを得るシンボリックエグゼキュータから構成される。
また, 目的表現の監督とともに, 4つの新たな補助的目的によって, 異なる記号的推論を強制的に行うように最適化した。
論文 参考訳(メタデータ) (2021-07-03T13:14:58Z)
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。