ProofsNavigator:基于引导的可解释知识推理方法

让大规模语言模型生成推理步骤有助于构建可解释的知识推理系统。现有的知识推理方法可能生成不可靠并且与目标无关的推理步骤。为解决这一问题,该文提出一种基于引导的逐步推理方法ProofsNavigator。首先,使用通过Beam搜索生成多个候选推理步骤;然后,通过分别对候选推理步骤的有效性以及跟假设的相关性进行验证,挑选高质量的推理步骤;最后,将所选择的推理结论加入知识集中以进行下一轮循环。实验结果显示,该方法在三个难度依次递增的任务上的准确率分别为40.0%、35.6%和7.1%,比先前最优对比方法分别高1.1%、2.3%和0.2%。此外,该方法在标注数据较少的情况下仍能保持较好的性能。

一种单驱动双向AGV的结构设计

为了提高工厂中货物运输的效率、节省运输空间,可以为工厂带来更大的收益,本文提出了一种单驱动双向AGV的研制。本文利用差速驱动原理,以及对驱动总成的设计,得到一种单驱双向AGV,不仅可以通过调整左右驱动轮速度的不同来实现不同半径的转弯,还可以直接进行前进、后退的运输,不需要进行调头,大大提高了工厂的生产车间中货物运输的效率。