文本蕴含（NLI）

定义

文本蕴含识别(Recognizing Textual Entailment,RTE),现代通称自然语言推理(Natural Language Inference,NLI),是判断给定「前提」句能否推出「假设」句的任务,答案分为蕴含、矛盾、中立三类,被视为考察机器语义理解与推理能力的核心测试。

数据集

2015 年斯坦福发布的 SNLI 以 57 万句对首次把该任务带入深度学习规模;随后的 MultiNLI 覆盖多种文体,XNLI 将其扩展至 15 种语言;更早的 RTE 系列评测则可追溯至 2005 年的 PASCAL 挑战赛。

方法

从句子编码匹配模型、注意力交互模型(如 ESIM)发展到在 BERT 等预训练模型上微调;NLI 也反向成为通用工具,例如用 NLI 模型做零样本文本分类和生成内容的事实一致性校验。

意义与局限

NLI 是 GLUE 等基准的核心组成,但研究发现数据集存在标注捷径(仅看假设句即可猜对),推动了对抗样本与更严谨评测的发展。