摘要

文本中的数值推理是人工智能（AI）领域的一项具有挑战性的任务，要求具备阅读理解与数值推理能力。以往的方法通常采用数值推理程序来表征推理过程，但大多数现有工作未能将运算符（operators）与操作数（operands）的生成过程进行分离，而这两者正是数值推理程序的关键组成部分，因而限制了其在复杂任务中生成推理程序的能力。本文提出了一种名为“基于自适应符号编译器的数值推理模型”（numEricaL reASoning with adapTive symbolIc Compiler，简称 ELASTIC）的新方法。该模型由 RoBERTa 作为编码器，并配备一个包含四个模块的编译器：推理管理器（Reasoning Manager）、运算符生成器（Operator Generator）、操作数生成器（Operands Generator）以及内存寄存器（Memory Register）。ELASTIC 在处理复杂推理任务时表现出较强的鲁棒性，且具备领域无关性，能够灵活扩展多种运算符，而无需关注其操作数的数量。实验结果表明，ELASTIC 在 FinQA 数据集上取得了 68.96 的执行准确率和 65.21 的程序准确率，在 MathQA 数据集上达到了 83.00 的程序准确率，显著优于此前的最先进模型。