Counterfactual Recipe Generation:
Exploring Models’ Compositional Generalization Ability in a Realistic Scenario

简介

为了研究预训练语言模型在现实场景中是否具有组合泛化能力，我们设计了反事实菜谱生成任务。这个任务要求模型根据原料的变化对菜谱进行修改。

这个任务要求模型具有两个层次的组合能力：将新原料与原有菜谱进行组合，以及考虑原料变动带来的动作变动。

我们的结果表明，预训练语言模型很难在保留原有菜谱风格的情况下修改原料，并且经常忽略需要调整的动作。虽然预训练语言模型可以生成流畅的菜谱文本，但它们离真正学习和使用烹饪知识还有距离。

阅读论文 查看代码
intro figure

引用

如果我们的工作给您带来了帮助，请引用：

@article{liu2022counterfactual,
  title={Counterfactual Recipe Generation: Exploring Compositional Generalization in a Realistic Scenario},
  author={Liu, Xiao and Feng, Yansong and Tang, Jizhi and Hu, Chengang and Zhao, Dongyan},
  journal={arXiv preprint arXiv:2210.11431},
  year={2022}
}

联系方式

如果您对我们的工作有疑问，请联系刘潇（lxlisa@pku.edu.cn）或创建github issue。 我们非常感谢由Micheal Zhang制作的网页布局代码。

致谢

我们衷心感谢标注者的认真工作，特别是韩玉晶，戴永宁，张猛，柏艳红，鞠莉，李思莹和冯洁。