重新思考结构化生成：基于图的推理能否解决歧义问题？
英文标题：Rethinking Structured Generation: Can Graph-Based Reasoning Resolve Ambiguity?
本文重新审视了自然语言处理中的结构化生成范式。当前主流方法通常将结构化生成设定为从输入到单一结构化输出的确定性映射，但这一假设与自然语言的多义性存在根本性脱节，因为自然语言往往允许多种在结构上不同但在语义上均成立的表示。针对这一挑战，研究探讨了能否通过引入基于图的推理（Graph-Based Reasoning）来化解歧义。该研究为优化大模型结构化抽取、提升复杂语义场景下的 Schema 生成可靠性提供了新的探索视角。
打开原文相关 1.6 · 机会 0
2.0 KB
865 B
612 B
380 B
24.2 KB
34.7 KB
中文
arXiv 编号：arXiv:2610.31681v1
发布类型：new (最新提交)
摘要
结构化生成（Structured Generation）通常被形式化为一种从输入到单一结构化输出的确定性映射。然而，这一假设与自然语言的本质存在根本性脱节——在实际语境中，自然语言往往允许多种在结构上截然不同但在语义上均有效（semantically valid）的解释。针对这一矛盾，本研究重新探讨了结构化生成范式，重点探索基于图的推理（Graph-Based Reasoning）能否有效解决这一歧义难题。
English / 原文
BibTeX formatted citation
×