Fugu-MT 論文翻訳(概要): Explaining Math Word Problem Solvers

論文の概要: Explaining Math Word Problem Solvers

arxiv url: http://arxiv.org/abs/2307.13128v1
Date: Mon, 24 Jul 2023 21:05:47 GMT
ステータス: 処理完了
システム内更新日: 2023-07-26 18:53:22.476439
Title: Explaining Math Word Problem Solvers
Title（参考訳）: 数学用語問題解の解説
Authors: Abby Newcomb and Jugal Kalita
Abstract要約: 本稿では,解を生成するために,数学用語の問題解決者が使用する情報について検討する。本結果から,本モデルでは,入力から多くの単語を除去することには敏感ではないことが明らかとなった。このことは、自動解法が数学語問題の意味論理に従わず、特定の単語の存在に過度に適合していることを示している。
参考スコア（独自算出の注目度）: 2.792030485253753
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automated math word problem solvers based on neural networks have successfully managed to obtain 70-80\% accuracy in solving arithmetic word problems. However, it has been shown that these solvers may rely on superficial patterns to obtain their equations. In order to determine what information math word problem solvers use to generate solutions, we remove parts of the input and measure the model's performance on the perturbed dataset. Our results show that the model is not sensitive to the removal of many words from the input and can still manage to find a correct answer when given a nonsense question. This indicates that automatic solvers do not follow the semantic logic of math word problems, and may be overfitting to the presence of specific words.
Abstract（参考訳）: ニューラルネットワークに基づく自動算数ワード問題解法では,演算ワード問題の解法において70～80\%の精度が得られた。しかし、これらの解法は表層パターンに依存して方程式を得ることが示されている。問題解決者が解を生成するのにどの情報を使うかを決定するため、入力の一部を取り除き、摂動データセットにおけるモデルの性能を測定する。その結果,このモデルは入力から多くの単語を取り除くことに敏感ではなく,無意味な質問が与えられた場合でも正しい答えを見つけることができることがわかった。このことは、自動解法が数学語問題の意味論理に従わず、特定の単語の存在に過度に適合していることを示している。

関連論文リスト

Do Language Models Exhibit the Same Cognitive Biases in Problem Solving as Human Learners? [140.9751389452011]
本研究では,大言語モデル(LLM)の偏りを,算術語問題を解く際に,子どもに知られているものと関連づけて検討する。我々は,これらの各テストに対して,問題特徴のきめ細かい制御を可能にするニューロシンボリックアプローチを用いて,新しい単語問題を生成する。
論文参考訳（メタデータ） (2024-01-31T18:48:20Z)
Verb Categorisation for Hindi Word Problem Solving [4.926283917321646]
我々は,動詞を利用したHindi算術語問題解法を開発した。本稿では,動詞分類を用いて単語問題の操作を識別し,それに対する回答を生成するルールベースの解法を提案する。
論文参考訳（メタデータ） (2023-12-18T17:55:05Z)
Solving Math Word Problems by Combining Language Models With Symbolic Solvers [28.010617102877923]
大規模言語モデル(LLM)は複雑な推論と計算を行うために外部ツールと組み合わせることができる。本稿では,変数と方程式の集合として単語問題を段階的に形式化するLLMと,外部記号解法を併用する手法を提案する。提案手法は,GSM8Kベンチマークにおける元のPALに匹敵する精度を達成し,ALGEBRAでPALを絶対20%上回る性能を示した。
論文参考訳（メタデータ） (2023-04-16T04:16:06Z)
Limits of an AI program for solving college math problems [0.0]
ニューラルネットワークは、人間のレベルでのプログラム合成と少数ショット学習によって、大学の数学問題を解き、説明し、生成する。彼らが記述したシステムは確かに印象的だが、上記の記述は非常に過大評価されている。問題を解決する作業はニューラルネットワークではなく、シンボリック代数パッケージSympyによって行われる。
論文参考訳（メタデータ） (2022-08-14T20:10:14Z)
Tackling Math Word Problems with Fine-to-Coarse Abstracting and Reasoning [22.127301797950572]
本稿では,局所的なきめ細かい情報と,その大域的な論理構造の両方を捉えるために,微粒な方法で数学語問題をモデル化することを提案する。我々のモデルは局所的な変動に自然に敏感であり、目に見えない問題タイプにより良い一般化が可能である。
論文参考訳（メタデータ） (2022-05-17T12:14:44Z)
A Mutual Information Maximization Approach for the Spurious Solution Problem in Weakly Supervised Question Answering [60.768146126094955]
弱々しい教師付き質問応答は通常、最終的な答えのみを監督信号として持つ。偶然に正解を導出する刺激的な解が多数存在するかもしれないが、そのような解の訓練はモデルの性能を損なう可能性がある。本稿では,質問応答対と予測解間の相互情報の最大化により,このような意味的相関を明示的に活用することを提案する。
論文参考訳（メタデータ） (2021-06-14T05:47:41Z)
Measuring Mathematical Problem Solving With the MATH Dataset [55.4376028963537]
12,500の競合数学問題のデータセットであるMATHを紹介する。各問題には、答えの導出と説明を生成するためのモデルを教えるために使用できる完全なステップバイステップソリューションがあります。また、モデルに数学の基礎を教えるための補助的事前学習データセットも提供します。
論文参考訳（メタデータ） (2021-03-05T18:59:39Z)
SMART: A Situation Model for Algebra Story Problems via Attributed Grammar [74.1315776256292]
本稿では, 問題解決における人間の精神状態を表現する心理学研究から生まれた, emphsituation modelの概念を紹介する。提案モデルでは,より優れた解釈性を保ちながら,従来のすべてのニューラルソルバを大きなマージンで上回る結果が得られた。
論文参考訳（メタデータ） (2020-12-27T21:03:40Z)
Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。 MWPを学習するためのテキスト弱教師付きパラダイムを提案する。この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
論文参考訳（メタデータ） (2020-12-19T03:10:21Z)
Reverse Operation based Data Augmentation for Solving Math Word Problems [37.26159426631031]
最近のモデルはパフォーマンスボトルネックに達し、トレーニングのためにより高品質なデータを必要としている。本稿では,数学用語問題の数学的論理を逆転する新しいデータ拡張法を提案する。 2つのSOTA数学単語問題解決モデルに拡張データを適用し、その結果を強力なデータ拡張ベースラインと比較する。
論文参考訳（メタデータ） (2020-10-04T11:59:59Z)
Machine Number Sense: A Dataset of Visual Arithmetic Problems for Abstract and Relational Reasoning [95.18337034090648]
文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。これらの視覚的算術問題は幾何学的フィギュアの形をしている。我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
論文参考訳（メタデータ） (2020-04-25T17:14:58Z)

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。