ACLDec, 2019

我的 QA 模型了解什么？利用专家知识设计受控探针

PDF
TL;DR通过引入几个新的挑战任务，探索了目前最先进的 QA 模型是否具有有关单词定义和词汇推理的通用知识，结果表明，基于 Transformer 的 QA 模型已经更容易识别某些结构词汇知识，但在分类结构的层次增加或更具挑战性的干扰先决条件问题涉及到的问题上存在较大的改进空间。
open-domain question answeringknowledge and reasoning challengeslexical taxonomiestransformer-based qa modelssemantic clusters
发现论文，激发创造
  • 缓解上下文记忆以提高开放领域问答的泛化能力

    Open-domain Question Answering research investigates the generalization performance of a retrieval-augmented QA model, proposing Corpus-Invariant Tuning as an effective training strategy to mitigate knowledge over-memorization and achieve better generalizability.

    Apr, 2024

  • 利用背景知识进行查询重写回答科学考试问题

    本文针对 ARCChallenge 数据集的超越式难题提出了一种系统，该系统利用查询重写、背景知识和文本属于性，成功地提高了端到端 QA 任务的性能，并超越了几个强基线。

    Sep, 2018

  • 灵活结构化的知识驱动问答

    本文提出了一种使用语言模型结合知识进行基于知识的问答的方法，其中包括知识构建方法和深度融合机制，可以优雅地提取结构数据和提高模型性能。

    Sep, 2022

  • 上下文生成改善开放域问答

    我们提出了一个采用粗到细方法提取相关知识和回答问题的两阶段闭书问题回答框架，实验结果显示我们的方法明显优于先前的闭书 QA 方法并与利用外部知识源的开书方法相当。

    Oct, 2022

  • 基于知识的开放域问答

    本研究提出了一种知识辅助的开放域问答方法，通过考虑问题与文档之间的关系以及文档与文档之间的关系来构建问题 - 文档图和文档 - 文档图，使用知识三元组并结合文档检索和答案重新排名来提高文档检索和答案排序的性能，从而提高了开放域问答的整体性能。

    Jun, 2020

  • 利用知识库和文本的早期融合进行开放领域问答

    该论文提出了一种新模型 Graft-Net，应用于 Open Domain Question Answering 问题，该模型结合了文本和知识库并利用子图表示法以提高效率和准确度

    Sep, 2018

  • 利用分解探针校准多跳问答系统的信任度

    本论文探讨了利用多跳问题分解来探究神经问答模型的解释性，通过人类实验证明这种方法可以提高用户预测系统在某个问题实例上的性能，并且可以用来改进问答系统。

    Apr, 2022

  • 利用外部知识改进问答

    本研究旨在探索使用 Wikipedia 的文本信息和添加更多的训练数据来解决在科学等学科领域中的多项选择题答题任务，实验表明，我们的方法在准确性上相较于先前的最先进技术获得了显著的提升。

    Feb, 2019

  • 生成式预训练语言模型可作为封闭式问答知识库吗？

    本研究探索了使用预训练语言模型作为知识库回答开放性问题的方法，构建了一个新的 SQuAD 数据集对 BART 进行了评估，并发现对 BART 来说，在高精度记忆训练事实和回答封闭式问题方面存在挑战，需要将知识记忆过程与 QA 微调过程分开，强制模型在回答问题时记住相关知识。

    Jun, 2021

  • 跨域问答泛化学习

    通过结合提示方法和线性探针 fine-tuning 策略，我们提出了一种新颖的方法，可以有效提高生成模型和判别模型的泛化能力，特别在跨领域问题回答 (QA) 任务上表现优异。

    May, 2023