AI常识推理再突破 单模型全球首超人类平均水平

2022年7月25日，一个备受瞩目的里程碑——由科大讯飞承建的认知智能全国重点实验室，在科学常识推理挑战赛OpenBookQA上成功登顶榜首。其提出的X-Reasoner模型，以94.2%的准确率一举夺冠，并且这一成绩是单模型首次超越人类平均水平（91.7%）。这一突破较榜单其他模型领先了4.4个百分点，差距非常明显。

OpenBookQA这一评测基准，由艾伦人工智能研究所（AI2）推出，是一个专注于科学常识推理的阅读理解数据集。其核心目标在于检验机器能否像人类一样，理解并运用常识知识来回答问题。该评测吸引了全球众多顶级机构参与，包括南京大学、香港中文大学、微软亚洲研究院、斯坦福大学、谷歌、阿里巴巴等。科大讯飞此次提交的X-Reasoner，直接刷新了榜单最高纪录，成为全球首个在单模型上超越人类平均水平的方案。领先第二名单模型4.4个百分点，在常识推理领域，这一差距非同小可。

OpenBookQA评测榜单概览

新挑战

机器不仅需要正确理解问题，还要能够进行推理

OpenBookQA中的每一道题目，均由一个问题与四个选项组成，机器必须从选项中找到唯一正确的答案。这项任务的难点在哪里？仅仅理解问题表面的语义远远不够，机器还必须调动外部常识知识，进行真正的推理。换句话说，它不能只做“阅读理解”，还要完成“逻辑推导”。

举例说明：要答对“昼夜交替的原因是什么？”这类问题，机器需要掌握“星球旋转会导致昼夜交替”这一科学常识，同时还要准确判断出“地球自转”与其他干扰项之间的逻辑关系——这绝非单纯依靠关键词匹配就能实现的。

OpenBookQA问题示例展示

科大讯飞提出X-Reasoner系统

从知识检索和阅读理解两个角度破解难题

这类题目，即便是普通人，也需要具备一定的背景知识才能正确作答。那么机器是如何做到的呢？此次由认知智能全国重点实验室与哈工大联合团队提出的X-Reasoner，从两个维度切入：知识检索模块负责从科学知识库中找出与问题最相关的知识，阅读理解模块则结合这些知识、问题本身以及选项进行推理，最终给出答案。正是这套组合拳，让X-Reasoner不仅大幅刷新了榜单最好成绩，更成为首个超越人类平均水平的单模型。

X-Reasoner模型架构示意

更准确的知识：复合交互式检索

检索这一步至关重要——只有获取到准确的知识，后续的推理才有可靠基础。X-Reasoner采用了复合交互式检索方案，基于SentenceBERT和RocketQA两种检索模型。具体做法是通过重打分、重排序等手段，对两个模型在同一问题上的检索结果进行重要性重新评估，最终综合挑选出最相关的10条知识，送入推理模块。这样一来，知识更为精准，推理的起点也更加可靠。

更丰富的表示：基于知识的信息增强

知识获取之后，下一步就是推理。X-Reasoner采用联合知识与问题的方式，让模型进行隐式推理，生成一个包含答案相关信息增强的表示。这个表示隐含了利用知识和问题能够推理出的信息，再与选项的交互表示一同送入阅读理解模型，使模型拥有更充分的依据来做出判断。

更智能的理解：多选项对比交互

人类在回答选择题时，如果对答案不确定，往往会采用排除法——对比四个选项，逐一排除错误答案。X-Reasoner正是模仿了这种策略。它一次性对问题、四个选项以及检索到的科学常识进行编码，通过注意力机制让它们充分交互，从而获得了对比选项来锁定正确答案的能力。简单来说，它学会了像人一样“比较着做选择”。

通过这三个维度的创新，X-Reasoner在常识推理效果上实现了大幅跃升，相比榜单之前最好的单模型，准确率直接提升了4.4个百分点。这一突破并非偶然。科大讯飞在认知智能领域持续深耕多年，尤其在机器阅读理解方面积累深厚：曾在SQuAD 2.0上全球首次超越人类平均水平，拿过对话型阅读理解评测CoQA和QuAC冠军，多步推理阅读理解HotpotQA双赛道冠军，多模态阅读理解VCR冠军。此次在科学常识推理评测OpenBookQA上夺冠并成为首个超过人类平均水平的单模型，意味着机器不仅能理解文字表面的意思，还能融合外部知识进行推理——“融会贯通”正在逐步成为现实。

这一技术的价值，最终要落地到实际场景中。在教育领域，它能辅助学生理解复杂概念；在医疗领域，可以结合医学知识进行辅助诊断；在养老等民生场景中，也能让AI产品更加实用、更加智能。科大讯飞的目标十分明确：让机器能听会说、能理解会思考。这次的突破，只是探索之路上又一个重要的脚印。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI常识推理再突破 单模型全球首超人类平均水平要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题