本文关注的问题是针对是非问题的回答，针对这个具有挑战性的问题，我们发布了八种语言的新基准，并提出了一种利用远程监督方法来收集训练数据的方法。我们还证明了直接回答（即包含极性关键词）有助于训练模型解释间接回答（即不包含极性关键词）。实验结果表明，如果可以通过远程监督获得感兴趣语言的训练数据，单语微调是有益的（5 种语言）。此外，我们还展示了跨语言微调总是有益的（8 种语言）。

Oct, 2023

人们往往在回答是或否的问题时，没有明确地表达是或否或类似的极性关键词。本文通过研究来自多个领域的对话，并提出了三个不同领域的新基准：电影剧本，网球采访和航空公司客户服务。我们提出了一种基于远程监督和混合训练的方法，快速适应新的对话领域。实验结果表明，我们的方法从未受损，并能提高 F1 值高达 11-34%。

Apr, 2024

该研究设计了一种基于神经网络的对话系统，实现了基于用户查询情境感知和否定回复的定制化回答，提高了对话效果和多样性，并通过自动和人工评估证明了系统的有效性。

Dec, 2020

本文研究了自然环境下的是 / 否问题。我们建立了一个名为 BoolQ 的阅读理解数据集，并展示了它们出人意料地具有挑战性。我们还探讨了一系列迁移学习的基线效果，并发现从蕴涵数据进行转移的效果比从释义或抽取式 QA 数据进行转移的效果更好，即使从 BERT 等大规模预训练的语言模型开始转移，蕴涵仍然非常有益。我们的最佳方法是在 MultiNLI 上训练 BERT，然后在我们的训练集上重新训练它。它的准确率为 80.4％，而人类注释人员的准确率为 90％（多数基准为 62％），为未来的工作留下了巨大的差距。

May, 2019

社交媒体上解释是非问题的答案是困难的，本文提出了一种新的包含来自 Twitter 的 4,442 个是非问题答案对的语料库，探讨了解释为是、否或未知的答案的语言特征，证明大型语言模型在解决这个问题上仍然存在问题。

Oct, 2023

通过研究问答模型对比喻文本的鲁棒性，本研究提出了一个包含 1000 个问答问题的数据集 FigurativeQA，展示了当回答含有比喻语境的问题时，基于 BERT 的问答模型相较于非比喻语境会出现性能下降的现象，同时进一步将比喻语境简化为非比喻语境有助于提高模型性能，研究发现基于链式思维提示的 ChatGPT 是最优模型，可以构建具有比喻语言理解能力的更鲁棒的问答模型。

Sep, 2023

通过提出一个视觉基础的问题 - 回答模型框架，使用期望的信息量增益优化来产生极性澄清问题以消除人机对话中的误解，从而展示了该模型在目标导向的 20 个问题游戏中与人工回答者一起提出的问题如何提高交流成功率。

Oct, 2021

研究现代语言理解系统面临的一个重要挑战是回答隐含推理问题，本研究通过将推理步骤的推断与执行分离，探究当前模型为何难以应对隐含推理问答任务，并构建 IMPLICITRELATIONS 基准测试，评估 GPT-3 系列模型在任务上的表现，发现这些模型在隐含推理问答任务上表现不佳，但在推断隐含关系方面表现良好。这表明隐含推理问题的挑战不仅在于需要规划推理策略，而且在于在检索和推理相关信息的同时进行推理。

Apr, 2022

本文研究了在信息不对称的对话中生成信息丰富的问题的问题，提出了一种基于启发式思考而非答案预设的提问策略，并使用强化学习算法优化问题的信息丰富程度，并优化问题的特定性，结果表明此策略比其他对比模型更能有效提高提问问题的信息量和特定性。

Apr, 2020

对于 ChatGPT 而言，在隐性话语关系分类任务中，使用标准的多项选择问题提示尚不令人满意，且远远不及最先进的有监督方法。本研究通过尝试多种证实的提示技术来提高 ChatGPT 对话语关系的识别能力，但实验结果表明，即使使用复杂的提示工程，推理准确性几乎没有改变，暗示隐性话语关系分类在零样本或少样本情况下尚未得到解决。

Feb, 2024