2024年9月，研究团队两篇论文获The 2024 Conference on Empirical Methods in Natural Language Processing (EMNLP 2024) 国际会议录用。EMNLP是自然语言处理领域的顶级会议，在中国计算机学会推荐会议列表中被列为B类。本次会议将于2024年11月12日-16日在美国迈阿密召开。论文信息如下：
题目：BC-Prover: Backward Chaining Prover for Formal Theorem Proving
作者：何宇航 张继海 鲍建竹 林方全 杨程 秦兵 徐睿峰* 印卧涛*
简介：尽管LLMs（大型语言模型）在数学推理方面取得了显著进展，但形式化的交互定理证明仍然是一个显著的挑战。以前的方法采用神经网络模型生成和搜索证明步骤。然而，此类方法主要在一个庞大的搜索空间中，经验地探索可能的推理步骤。同时这类方法直接使用不太严谨的非正式证明来生成证明步骤，忽略了其中可能存在的不完整推理路径。本文提出了一个由pseudo steps引导的反向思维链框架BC-Prover。具体来说，BC-Prover优先生成pseudo steps再构建证明步骤。pseudo steps从两个方面促进了证明的构建：(1) 反向思维链，将证明目标分解为子目标，进行目标导向的探索。(2) step planning，进行细粒度的规划，以弥合非形式证明语言和形式证明语言之间的差距。在miniF2F基准测试上的实验表明，所提出的框架相对于目前最先进的方法获得了显著的性能提升。我们的框架还与现有的证明器兼容，并通过反向思维链技术进一步提高了它们的性能。
Yuhang He, Jihai Zhang, Jianzhu Bao, Fangquan Lin, Cheng Yang, Bing Qin, Ruifeng Xu*, Wotao Yin*. BC-Prover: Backward Chaining Prover for Formal Theorem Proving. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing. November 2024, Miami, USA.
题目：Multiple Knowledge-Enhanced Interactive Graph Network for Multimodal Conversational Emotion Recognition
作者：涂耿，王隽，李真宇，陈诗炜，梁斌，曾曦，杨敏，徐睿峰*
简介：多模态对话情绪识别（MERC）旨在识别对话视频中的情绪。当前的研究主要关注建模上下文敏感和说话者敏感的依赖关系以及多模态融合。尽管取得了一定进展，但MERC的模型由于缺乏常识知识（CSK）仍然面临着挑战。另一方面，文本ERC中的模型通常使用CSK来增强情绪推理。然而，在多模态场景中，仅依赖文本CSK而忽视视觉CSK可能会妨碍对视觉情绪线索的理解。为了解决这一问题，我们提出了一种多知识增强交互图网络（MKE-IGN），将文本和视觉CSK等多种知识集成到边表示中，从而促进对话语和不同类型CSK之间关系的建模。此外，考虑到无关的CSK可能作为噪声保留，MKE-IGN在情绪一致效应的引导下自适应地选择这些CSK，并根据上下文进行精炼。实验结果表明，MKE-IGN在两个常用数据集上优于最新的方法。
Geng Tu, Jun Wang, Zhenyu Li, Shiwei Chen, Bin Liang, Xi Zeng, Min Yang, Ruifeng Xu*. Multiple Knowledge-Enhanced Interactive Graph Network for Multimodal Conversational Emotion Recognition. Findings of the 2024 Conference on Empirical Methods in Natural Language Processing. November 2024, Miami, USA. (CCF-B)
|
