知识库问答的少样本上下文学习（英文版）

英文标题：Few-shot In-context Learning for Knowledge Base Question Answering中文摘要：提出了 KB-BINDER，该方法利用 Codex 等大型语言模型生成逻辑形式作为问题的草案，并通过 BM25 得分匹配进行知识库组合，从而能够在统一框架下处理不同 KBQA 数据集中的问题，同时利用 few-shot in-context 学习实现高准确率，实验结果表明，此方法表现强劲，并且在 GraphQA 和 3-hop MetaQA 数据集上甚至胜过现有训练模型，可以作为未来研究的重要基线。英文摘要：Question answering over knowledge bases is considered a difficult problem dueto the challenge of generalizing to a wide variety of possible natural languagequestions. Additionally, the heterogeneity of knowledge base s