否定常识知识：增强否定理解的资源

否定是自然语言中常见且重要的语义特征，但 大语言模型 (LLM) 在自然语言理解任务中涉及否定时会遇到困难。另一方面，常识知识尽管是一个经过充分研究的话题，但缺乏涉及否定的调查。在这项工作中，我们表明，带有否定的常识知识对于模型来说很难理解。我们提出了一种新颖的方法，可以通过否定自动增强现有的常识知识语料库，从而产生两个新的语料库，其中包含超过 200 万个具有 if-then 关系的三元组。另外，预训练 LLM 对我们的语料库有利于否定理解。