Zdravorazumsko rasuđivanje u NLP-u

Zdravorazumsko rasuđivanje u NLP-u odnosi se na sposobnost jezičnog modela ili sustava za zaključivanje da se oslanja na implicitne, činjenične podatke o svijetu koje ljudi uzimaju zdravo za gotovo — činjenice koje nisu navedene u tekstu — kako bi odgovorio na pitanja, dovršio priče ili protumačio dijalog. Značajne referentne provjere koje formaliziraju zadatak uključuju ATOMIC (Sap et al., 2019.), graf znanja o zdravorazumskom rasuđivanju ako-onda, i HellaSwag (Zellers et al., 2019.), izazov dovršavanja rečenica koji je otkrio nedostatke u strojnom razumijevanju svakodnevnih događaja.