科大讯飞解锁常识推理新成就 认知智能国家重点实验室荣登CSQA 2.0榜首( 二 )


本次由科大讯飞承建的认知智能国家重点实验室团队创新提出的面向常识知识推理的ACROSS(Automatic Commonsense Reasoning on Semantic Spaces)模型 , 是继2016年科大讯飞提出神经联想模型NAM(Neural Association Model) , 并取得Winograd Schema Challenge冠军后的又一力作 。
该模型实现了统一语义空间下外部知识的有效融合 , 显著改进了超大规模预训练模型所存在的问题 , 在CommonsenseQA 2.0任务上取得76%的准确率 。该评测的常识推理问题 , 不论在ConceptNet等知识库 , 或者互联网上 , 都较难找到直接的答案 。
从人类进行常识知识运用及推理的习惯出发 , 对于一个复杂的问题 , 首先需要查阅相关知识库或典籍 , 其次会借助互联网搜索去查找相关信息 。科大讯的ACROSS模型正是借鉴该思路 , 充分收集知识库、互联网相关信息 , 在统一的语义空间中进行融合处理 , 最后赋予超大规模预训练模型更强的知识输入 , 实现准确的常识知识推理 。方法结果也一定程度上证明了机器已初步具备对于各类复杂文本信息及知识的深入理解及运用能力 。