摘要
本发明公开了基于结构感知及逐步蒸馏的多跳常识生成方法，具体如下：首先通过基于结构感知的编码器，将自然语言形式表述的前提原子集合映射到一个图结构中，使得模型更准确地捕获实例之间的复杂关系。此外，基于逐步蒸馏提取大模型阐述推理依据的能力，通过少样本思维链提示学习的方式，接着，将上述依据作为额外的信息来源，进行小模型的多任务训练。小模型不仅能够综合考虑多个前提原子，生成正确性较高的假设原子，还能够输出有助于其理解多跳常识推导过程的依据，从而提升多跳常识生成效果。最后，通过大语言模型构建了多跳常识数据集，具有较高的整体性能，生成更为复杂且流畅的假设原子，并维持了较高的正确性与多样性。
