【USC2021】常识推理，47页ppt，Commonsense Reasoning in the Wild

目前的NLP系统可以回答常识性问题，或者写出流利的故事，在基准数据集上获得令人印象深刻的分数。然而，大多数进展是使用为单个任务创建的静态、封闭域数据集进行评估的。为了在野外部署常识推理服务，我们需要能够以开放的方式生成答案，能够执行鲁棒的逻辑推理，并且能够跨不同的任务格式、领域和数据集进行泛化的系统。在这次演讲中，我将分享三个工作，介绍常识推理挑战的新公式以及新的评估协议，以解决上述问题。我们希望鼓励更多的努力，提出“动态的”、通用的常识推理挑战，以评估进展。

https://akbc-cskb.github.io/#talks-and-panel-discussion