期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于大语言模型的复杂任务自主规划处理框架
被引量：
1
1
作者
秦龙
武万森
+4 位作者
刘丹
胡越
尹全军
阳东升
王飞跃
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第4期862-872,共11页
随着深度学习和自然语言处理技术的进步,大语言模型(Large language models, LLMs)展现出巨大潜力.尽管如此,它们在处理复杂任务时仍存在局限性,特别是在任务需要结合规划及外部工具调用的场合.面向这一挑战,提出国内首个以军事游戏为...
随着深度学习和自然语言处理技术的进步,大语言模型(Large language models, LLMs)展现出巨大潜力.尽管如此,它们在处理复杂任务时仍存在局限性,特别是在任务需要结合规划及外部工具调用的场合.面向这一挑战,提出国内首个以军事游戏为背景的中文的复杂任务规划与执行数据集(Complex task planning and execution dataset, CTPaE),以及一个基于LLMs的自主复杂任务规划(Complex task planning, CTP)处理框架AutoPlan.该框架可以对复杂任务进行自主规划得到元任务序列,并使用递进式ReAct提示(Progressive ReAct prompting, PRP)方法对已规划的元任务逐步执行.该框架的有效性通过在CTPaE上的实验及与其他经典算法的比较分析得到了验证.项目地址:https://github.com/LDLINGLINGLING/AutoPlan.
展开更多
关键词
大语言模型
工具调用
多步
推理
深度学习
下载PDF
职称材料
利用外部知识辅助和多步推理的选择题型机器阅读理解模型
被引量：
3
2
作者
盛艺暄
兰曼
《计算机系统应用》
2020年第4期1-9,共9页
选择题型机器阅读理解的答案候选项往往不是直接从文章中抽取的文本片段,而是对文章内容中相关片段的归纳总结、文本改写或知识推理,因此选择题型机器阅读理解的问题通常需要从给定的文本中甚至需要利用外部知识辅助进行答案推理.目前...
选择题型机器阅读理解的答案候选项往往不是直接从文章中抽取的文本片段,而是对文章内容中相关片段的归纳总结、文本改写或知识推理,因此选择题型机器阅读理解的问题通常需要从给定的文本中甚至需要利用外部知识辅助进行答案推理.目前选择题型机器阅读理解模型大多数方法是采用深度学习方法,利用注意力机制对文章、问题和候选项这三者的信息进行细致交互,从而得到融合三者信息的表示进而用于答案的预测.这种方式只能利用给定的文本进行回答,缺乏融入外部知识辅助,因而无法处理需外部知识辅助推理的问题.为了解决需外部知识辅助推理的问题,本文提出了一个采用外部知识辅助多步推理的选择题型机器阅读理解模型,该模型首先利用注意力机制对文章、问题和候选项及与这三者相关的外部知识进行信息交互建模,然后采用多步推理机制对信息交互建模结果进行多步推理并预测答案.本文在2018年国际语义测评竞赛(SemEval)中任务11的数据集MCScript上进行对比实验,实验结果表明本文提出的方法有助于提高需要外部知识辅助的选择题型问题的准确率.
展开更多
关键词
机器阅读理解
选择题型问答
注意力机制
多步
推理
机制
外部知识辅助
下载PDF
职称材料
题名
基于大语言模型的复杂任务自主规划处理框架
被引量：
1
1
作者
秦龙
武万森
刘丹
胡越
尹全军
阳东升
王飞跃
机构
国防科技大学系统工程学院
暨南大学公共/应急管理学院
中国科学院自动化研究所复杂系统管理与控制国家重点实验室
青岛智能产业技术研究院
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第4期862-872,共11页
基金
国家自然科学基金(62103420,62103425,62103428,62306329)
湖南省自然科学基金(2023JJ40676,2021JJ40697,2021JJ40702)
国防科技大学青年自主创新基金(ZK-2023-31)资助。
文摘
随着深度学习和自然语言处理技术的进步,大语言模型(Large language models, LLMs)展现出巨大潜力.尽管如此,它们在处理复杂任务时仍存在局限性,特别是在任务需要结合规划及外部工具调用的场合.面向这一挑战,提出国内首个以军事游戏为背景的中文的复杂任务规划与执行数据集(Complex task planning and execution dataset, CTPaE),以及一个基于LLMs的自主复杂任务规划(Complex task planning, CTP)处理框架AutoPlan.该框架可以对复杂任务进行自主规划得到元任务序列,并使用递进式ReAct提示(Progressive ReAct prompting, PRP)方法对已规划的元任务逐步执行.该框架的有效性通过在CTPaE上的实验及与其他经典算法的比较分析得到了验证.项目地址:https://github.com/LDLINGLINGLING/AutoPlan.
关键词
大语言模型
工具调用
多步
推理
深度学习
Keywords
Large language models(LLMs)
tool-use
multi-hop reasoning
deep learning
分类号
E91 [军事]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
利用外部知识辅助和多步推理的选择题型机器阅读理解模型
被引量：
3
2
作者
盛艺暄
兰曼
机构
华东师范大学计算机科学与技术学院
出处
《计算机系统应用》
2020年第4期1-9,共9页
文摘
选择题型机器阅读理解的答案候选项往往不是直接从文章中抽取的文本片段,而是对文章内容中相关片段的归纳总结、文本改写或知识推理,因此选择题型机器阅读理解的问题通常需要从给定的文本中甚至需要利用外部知识辅助进行答案推理.目前选择题型机器阅读理解模型大多数方法是采用深度学习方法,利用注意力机制对文章、问题和候选项这三者的信息进行细致交互,从而得到融合三者信息的表示进而用于答案的预测.这种方式只能利用给定的文本进行回答,缺乏融入外部知识辅助,因而无法处理需外部知识辅助推理的问题.为了解决需外部知识辅助推理的问题,本文提出了一个采用外部知识辅助多步推理的选择题型机器阅读理解模型,该模型首先利用注意力机制对文章、问题和候选项及与这三者相关的外部知识进行信息交互建模,然后采用多步推理机制对信息交互建模结果进行多步推理并预测答案.本文在2018年国际语义测评竞赛(SemEval)中任务11的数据集MCScript上进行对比实验,实验结果表明本文提出的方法有助于提高需要外部知识辅助的选择题型问题的准确率.
关键词
机器阅读理解
选择题型问答
注意力机制
多步
推理
机制
外部知识辅助
Keywords
machine reading comprehension
multiple-choice question answering
attention mechanism
multi-step reasoning mechanism
commonsense knowledge
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于大语言模型的复杂任务自主规划处理框架
秦龙
武万森
刘丹
胡越
尹全军
阳东升
王飞跃
《自动化学报》
EI
CAS
CSCD
北大核心
2024
1
下载PDF
职称材料
2
利用外部知识辅助和多步推理的选择题型机器阅读理解模型
盛艺暄
兰曼
《计算机系统应用》
2020
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
