可训练原子链接器用于神经符号NLI

研究者提出一种可训练的原子链接器，能在没有原子对标注的情况下，仅凭句子级自然语言推理（NLI）标签，联合预测命题单元间的链接存在性、来源选择与关系类型。其做法是把跨公式的链接结构当作隐变量，并保持翻译器与SAT推理器固定不变。 这一方法针对的是神经符号NLI中命题级链接难以直接监督的问题，尝试从句子级监督中学习。目前该工作以预印本形式出现在arXiv的cs.CL分类下，作者为Xuyao Feng与Antonis Bikakis。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。