Kognitive große Sprachmodelle für konversationelle KI-Assistenten (Fraunhofer IAIS)


Das Fraunhofer IAIS hilft Ihnen, die folgenden Forschungsfragen zu beantworten

§Wie verbessert man die faktische Korrektheit und/oder das Common-Sense Verständnis
von großen Sprachmodellen? Z.B., „Die Werksgarantie bei BMW-Neuwagen beträgt 6
Monate.“, „Wenn die Straße nass ist, ist der Bremsweg kürzer.“

§Wie kann der Anpassungsaufwand eines großen Sprachmodells für ein Domänespezifisches Dialogsystem reduziert werden?

§Kann man Sprachmodelle ohne (wesentliche) Performanzeinbußen verkleinern, indem man das
Erlernen von Sprache und Weltwissen voneinander trennt? (Energieschonendere,
und energieeffizientere Modelle in Inbetriebnahme)


Dialogsysteme

  • Integration von Wissensgraphen In Sprachmodelle
  • Neue Metrik zum Evaluieren NLG-Systemen

Große Sprachmodelle

  • Trainieren und Evaluieren von Modellen mit Milliarden von Parametern

Wissensgraphen & Graphenrepräsentationen

  • Smart Data Connector zur Erstellung von Wissensgraphen aus Unternehmensdaten
  • Umfangreichste Benchmarking Studie im Bereich Knowledge Graph Embedding Modelle
  • PyKEEN: Umfangreichste Library für Knowledge Graph Embedding Modelle (> 1100 Stars auf GitHub)
  • Best Paper Award auf der ISWC 2021 für „Improving Inductive Link Prediction Using Hyper-Relational Facts“