文本的机器理解是自然语言处理中的一个重要问题。最近发布的数据集斯坦福问答数据集（SQuAD）提供了大量由人类通过众包创建的真实问题及其答案。 SQuAD 为评估机器理解算法提供了一个具有挑战性的测试平台，部分原因是与以前的数据集相比，SQuAD 中的答案不是来自一小部分候选答案，而且它们的长度是可变的 ...

像ChatGPT这样的现代大型语言模型（LLM）在一般语言任务上表现出了出色的性能，但在复杂的推理任务上仍然表现不佳，这推动了LLM认知行为的研究探索类人的问题解决策略。沿着这个方向，一个代表性的策略是自我反思，它要求 LLM 利用自身迭代产生的反馈来完善解决方案。然而，我们的研究表明，这种反思式方法存在思想退化（DoT）问题：一旦 LLM 对其解决方案建立了信心，即使其最初的立场是，也无法在以后 ...

现有的股市预测调查往往侧重于传统的机器学习方法，而不是深度学习方法。这促使我们对股市预测研究提供结构化和全面的概述。我们提出了股票市场预测的四个详细的子任务，并提出了一种新颖的分类法来总结基于深度神经网络的最先进模型 ...

思想链（CoT）是一种广泛采用的提示方法，引发了大型语言模型（LLM）令人印象深刻的推理能力。受 CoT 顺序思维结构的启发，开发了许多 Chain-of-X (CoX) 方法来解决涉及 LLM 的不同领域和任务的各种挑战。在本文中，我们对不同背景下 LLM 的 Chain-of-X 方法进行了全面的调查 ...

连续观察的事件发生通常表现出自激励和互激励效应，可以使用时间点过程很好地对其进行建模。除此之外，这些事件动态也可能随着时间的推移而变化，并具有某些周期性趋势。我们提出了一种新颖的变分自动编码器来捕获这种时间动态的混合 ...

最近，围绕少样本命名实体识别 (NER) 主题涌现了大量文献，但很少公开专门关注实际且具有挑战性的任务的基准数据。当前的方法收集现有的监督 NER 数据集，并将它们重新组织到少样本设置以进行实证研究。这些策略通常旨在通过很少的示例来识别粗粒度的实体类型，而在实践中，大多数看不见的实体类型都是细粒度的 ...

知识图谱 (KG) 在推进各种人工智能应用方面发挥着关键作用，语义网络社区对多模态维度的探索开启了新的创新途径。在本次调查中，我们仔细回顾了 300 多篇文章，重点关注两个主要方面的知识图谱感知研究：知识图谱驱动的多模态（KG4MM）学习，其中知识图谱支持多模态任务，以及多模态知识图谱（MM4KG） ，它将 KG 研究扩展到 MMKG 领域。我们首先定义 KG 和 MMKG，然后探讨它们的构建进度 ...

尽管神经网络作为预测模型在各个领域取得了巨大成功，但它们对分布外 (OOD) 数据的预测可能过于自信。为了适用于自动驾驶汽车等安全关键型应用，神经网络必须准确估计其认知或模型不确定性，从而实现一定程度的系统自我意识。认知不确定性量化技术通常需要训练期间的 OOD 数据或推理期间的多个神经网络前向传递 ...