本文是知识图谱系列相关的文章，针对《Generated Knowledge Prompting for Commonsense Reasoning》的翻译。
结合外部知识是否有利于常识推理，同时保持预训练序列模型的灵活性，这仍然是一个悬而未决的问题。为了研究这个问题，我们开发了生成知识提示，它包括从语言模型中生成知识，然后在回答问题时提供知识作为额外输入。我们的方法不需要对知识集成进行特定任务的监督，也不需要访问结构化的知识库，但它提高了大规模、最先进的模型在四个常识推理任务上的性能，在数值常识（NumerSense）、一般常识（CommonsenseQA 2.0）和科学常识（QASC）基准上实现了最先进的结果。生成的知识提示突出了大规模语言模型作为外部知识的灵活来源，以改进常识推理。我们的代码可在github.com/liujch1998/GKP