MétaCan
Menu
Retour à la cohorte
Enregistrement W4385572407 · doi:10.18653/v1/2023.findings-acl.148

Hence, Socrates is mortal: A Benchmark for Natural Language Syllogistic Reasoning

2023· article· en· W4385572407 sur OpenAlexaff
Yongkang Wu, Meng Han, Yutao Zhu, Lei Li, Xinyu Zhang, Ruofei Lai, Xiaoguang Li, Yuanhang Ren, Zhicheng Dou, Zhao Cao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSyllogismComputer scienceNatural language processingArtificial intelligenceParaphraseNatural language understandingNatural languageConstruct (python library)Deductive reasoningBenchmark (surveying)Programming languageLinguistics

Résumé

récupéré en direct d'OpenAlex

Syllogistic reasoning, a typical form of deductive reasoning, is a critical capability widely required in natural language understanding tasks, such as text entailment and question answering.To better facilitate research on syllogistic reasoning, we develop a benchmark called SYLLOBASE that differs from existing syllogistic datasets in three aspects: (1) Covering a complete taxonomy of syllogism reasoning patterns; (2) Containing both automatically and manually constructed samples; and (3) Involving both the generation and understanding tasks.We automatically construct 50k template-based syllogism samples by mining syllogism patterns from Wikidata and ConceptNet.To improve our dataset's naturalness and challenge, we apply GPT-3 to paraphrase the templatebased data and further manually rewrite 1,000 samples as the test set.State-of-the-art pretrained language models can achieve the best generation ROUGE-L of 38.72 by T5 and the best multi-choice accuracy of 72.77% by RoBERTa on SYLLOBASE, which indicates the great challenge of learning diverse syllogistic reasoning types on SYLLOBASE.Our datasets are released at https://github.com/ casually-PYlearner/SYLLOBASE.ConceptNet An open, multilingual knowledge graph (1) Triplet Extraction (Section 3.1) (2) Syllogism Construction (Section 3.2) (3) Paraphrasing (GPT-3) (Section 3.3) ① (human, capable of, mortal), (Socrates, is a, human) ② (meteoritics, subclass of, astronomy), (astronomy, subclass of, exact science) Premise 1: All human are mortal.Premise 1: Some astronomy are meteoritics.Premise 2: All Socrates are human.Premise 2: All astronomy are exact science.Conclusion: All Socrates are mortal.Conclusion: Some exact science are meteoritics Pattern: All 𝑚 are 𝑝, all 𝑠 are m ⟶ All 𝑠 are 𝑝.Pattern: Some 𝑚 are 𝑝, all 𝑚 are 𝑠 ⟶ Some 𝑠 are 𝑝.Premise 1: It is a fact that all human beings are mortal.Premise 2: Socrates was a classic Greek philosopher credited as one of the founders of Western philosophy.Conclusion: It is true that Socrates was mortal as well.Premise 1: Meteoritics, which is a specific type of astronomy, involves the study of meteors and meteorites.Premise 2: Astronomy is an exact science meaning precise observation and mathematical calculations are implemented.Conclusion: Some precise sciences are used to further expand upon knowledge of meteorites and meteors.Table 2: Examples of syllogisms from our test set.Categorical Syllogism Premise 1: Carbon dioxide is a chemical compound.Premise 2: Chemical compounds are considered pure substances.Conclusion: Pure substances include carbon dioxide.Hypothetical Syllogism Premise 1: When you make progress in your project, you may want to celebrate.Premise 2: Having a party is a good choice if you want to celebrate.Conclusion: You may want to have a party if you achieve great progress in your project.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,022
Méta-épidémiologie (sens strict)0,0040,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0080,007
Études des sciences et des technologies0,0020,001
Communication savante0,0040,007
Science ouverte0,0060,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0150,017

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,294
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTopic ModelingTravaux en français237 207