EN

面向知识的可解释复杂问题推理

17.png

推理问答能力是认知智能的重要基石,它要求相关的认知大模型可以像人一样将复杂问题拆分成简单问题的组合,并整合得到答案。为此,我们提出了面向知识的可解释复杂问题推理框架和可解释推理编程语言KoPL,并构建了相应的配套设施,本研究由北京智源人工智能研究院和清华大学共同开展。具体地,我们提出了一种基于KoPL的复杂推理问答的新范式,可以将自然语言问句转化为由基本函数组合而成的程序,程序运行的结果即为问句的答案。采用这种方式,推理问答具有显式、透明、模块化的推理过程;易于理解,便于人机交互;可以面向知识库、文本等不同形式的知识,可扩展性强。为了更好地利用该范式实现自动编程,我们基于Wikidata构建了KQA Pro数据集,覆盖多种类型的知识,每个问题包含自然语言问题、对应的SPARQL查询和KoPL程序。同时,为了更好地服务于多种场景下的知识推理问答,我们在Github开源了多种版本的KoPL程序执行引擎供研究者使用。

文本正文
复制文本
媒体联络
media@baai.ac.cn