本文提出了一种新的任务：在时间知识图谱上进行预测问答，同时还提出了一个大规模 TKGQA 基准数据集 ForecastTKGQuestions，用于评估 QA 模型。最终提出 ForecastTKGQA 模型来回答三种类型的问题，实验结果表明它的表现优于最新的 TKGQA 方法。

Aug, 2022

该研究介绍了 Autocast 数据集以及伴随的新闻语料库，以提高语言模型的预测能力，其中还包括数字问题和度量标准的 IntervalQA 数据集，并发现语言模型的性能远低于人类专家基准，但随着模型规模和新闻语料库相关信息的增加，性能有所提高。

Jun, 2022

本文调查了在深度学习时代发布的有影响力的问答数据集，并介绍了文本问答和视觉问答两个最常见的问答任务，涵盖了最具代表性的数据集，并提出了当前的一些 QA 研究挑战。

Jun, 2022

在此研究中，我们提出了针对时态问答系统的新方法，通过可信证据强制执行时间约束条件、正确处理隐含问题，并统一处理知识库、文本和网页表格等异构数据源。实验结果表明，该方法在多个基准测试中展现出卓越的性能。

Feb, 2024

通过自然对话，智能代理能够协助用户进行预测任务，而无需深入了解机器学习过程，本文通过引入一种名为预测话语的新概念并聚焦于从这些话语中准确解读用户预测目标，将任务作为一个槽填充问题，然后采用两种零样本方法解决槽填充任务，即实体抽取和问答技术，我们通过三个经过精心构建的数据集进行实验证明了我们雄心勃勃的目标的可行性，并展示了实体抽取和问答技术在解读预测话语中的有效性。

Sep, 2023

通过在段落中找到对时间相关问题的答案，我们的工作旨在利用一种被广泛应用于一般问答的方法，即答案提取。为了训练我们的模型，我们提出了一个新的数据集，灵感来自于 SQuAD，并专门为提供丰富的时间信息进行了调整。我们选择了适应于历史上最重要冲突的文集 WikiWars。我们的评估表明，通过训练进行模式匹配的深度学习模型，可以适应于处理时间相关问题，但需要对答案直接存在于文本中的问题进行回答。

Nov, 2023

我们介绍了 ComplexTempQA，这是一个大规模数据集，包含超过 1 亿个问题 - 答案对，旨在解决时间问题回答中的挑战。ComplexTempQA 在规模和范围上明显超越了现有的基准，如 HOTPOTQA、TORQUE 和 TEQUILA。利用维基百科和维基数据的数据，该数据集涵盖了跨越两个十年的问题，并提供了无与伦比的广度。我们引入了一个独特的分类法，将问题分为属性、比较和计数问题，每种问题都围绕事件、实体和时间段展开。ComplexTempQA 的一个显著特点是其问题的高复杂性，要求有效的回答能力，例如跨时间比较、时间聚合和涉及时间事件排序和实体识别的多跳推理。此外，每个问题都附带有详细的元数据，包括具体的时间范围，可以全面评估和增强大型语言模型的时间推理能力。ComplexTempQA 既可以作为开发复杂 AI 模型的测试基础，也可以作为推进问题回答、信息检索和语言理解研究的基础。数据集和代码可以在以下网址免费获取：this https URL

Jun, 2024

多模态数据集 WeatherQA 是用于预测复杂的恶劣天气事件的第一个数据集，使用视觉语言模型评估模型在多选问题和危险密度分类任务上表现较人类推理薄弱，需要更好的训练和数据整合来弥合差距。

Jun, 2024

通过开发 Text2Analysis 基准和创新的注释方法，我们展示了在表格数据分析领域中大规模语言模型的潜力，以推动进一步的研究机会。

Dec, 2023

通过引入半结构化表中的时间问题回答任务，并使用 TempTabQA 数据集评估现有模型的时间推理能力，我们观察到即使是表现最好的 LLMs 在 F1 得分上也比人类表现差 13.5 个百分点以上，因此我们的数据集有潜力成为改进 NLP 模型时间推理能力的具有挑战性的基准。

Nov, 2023