Feb, 2021

PAQ: 6500 万可疑问题及其应用

PDF
TL;DR介绍可能会被问到的问题（PAQ）等资源，提出一种新的 QA-pair 检索程序（RePAQ），为 CBQA 模型的训练提供了更多的知识库，并表明利用 Retrieval 机制的效果要优于直接从文本语料库中提取答案的方法，但需要权衡速度和准确性。
open-domain question answeringqa-pair retrieversprobably asked questionsrepaqretrieve-and-read systems
发现论文，激发创造
  • PAQA：面向主动开放式检索的问题回答

    为了解决会话式搜索系统中存在的问题，本文提出了 PAQA，这是 AmbiNQ 数据集的扩展，通过考虑用户查询和文档中存在的歧义，生成相关的澄清问题，并评估各种模型以及检索过程对歧义检测和澄清问题生成的影响。

    Feb, 2024

  • QUADRo: 问题 - 答案数据库检索的数据集和模型

    本文提出了一种基于神经信息检索和重新排名的自动问答系统，利用包含 6.3M 问题和回答对的数据库，实现了开放域问答并超越了传统的非结构化文本或图形搜索方法，并证明了基于 Transformer 模型的 (q,a) 对比仅考虑问题表示更优，该方法具有和在 BING 搜索引擎上构建的 QA 系统竞争的优点。

    Mar, 2023

  • 利用 QA-Memory 增强预训练语言模型以进行开放域问答

    本文提出了一种以问答对为基础的编码 - 解码模型，通过该模型的预训练策略，能够在单跳及多跳问题上达到强大性能，并进一步提高了对模型的解释和控制能力，缩小了与段落检索系统之间的性能差距。

    Apr, 2022

  • ReQA: 面向端到端答案检索模型的评价

    本篇论文介绍了一个用于评估大规模句子级别答案检索模型的基准 Retrieval Question-Answering（ReQA），并使用神经编码模型和传统信息检索技术建立了基线。我们提供我们的评估代码以鼓励更多关于这一具有挑战性的任务的研究。

    Jul, 2019

  • 开放域问答系统综述：检索与阅读

    本文综述了 OpenQA 领域的最新研究趋势，重点关注采用神经 MRC 技术的系统，介绍了现代 OpenQA 体系结构 Retriever-Reader 及采用该体系结构的各种系统，讨论了开发 OpenQA 系统面临的关键挑战，并对常用的基准进行了分析。

    Jan, 2021

  • 关于统一选择性无特定领域的问答，何时阅读文献或 QA 历史

    本文研究了开放域问答问题，旨在利用知识资源回答各种各样的问题；提出了一种基于置信度的校准方法，可有效提高效果。

    Jun, 2023

  • 使用查询 - 问题相似度和基于 BERT 的查询 - 答案相关性进行 FAQ 检索

    提出了一种基于未监督信息检索和 BERT 模型的 FAQ 检索系统，用于回答用户的查询，该系统通过计算用户问题和问题之间的相似度以及问题和答案之间的相关性来检索数据。该系统在两个数据集评估中表现出了优异的性能表现。

    May, 2019

  • 为开放域问答设计最小检索和阅读系统

    本文提出了几种策略，大幅减少提取和阅读的开放域问答系统的存储空间占用，即使在边缘设备上使用，也可以实现比纯参数模型更好的准确度。

    Apr, 2021

  • MultiReQA：跨领域检索问答模型评估

    本文介绍了一个新的多领域检索问题回答（ReQA）评估套件 MultiReQA，使用两个监督性神经模型（基于精调的 BERT 和 USE-QA 模型）及一个信息检索基线 BM25 在基于句子的 QA 数据集上进行系统评估，结果表明，虽然存在覆盖所有领域的通用模型，但通常通过对特定领域训练来获得最佳性能。

    May, 2020

  • PRCA：通过可插拔的奖励驱动上下文适配器为黑盒大型语言模型进行检索问答优化

    Retrieval Question Answering 任务中，通过在检索器和生成器之间插入可训练的、基于奖励驱动的、可插拔的上下文适配器 PRCA，最大限度地提高了 ReQA 性能，可将黑盒式 LLMs 嵌入现有框架，验证实验证明了 PRCA 在 LLMs 时代具有相当的潜力。

    Oct, 2023