Apr, 2022

从改写到记忆：面向对话问答模型的共同基础

PDF
TL;DR作者介绍了一种名为 Common Ground 的新方法，用于解决问答模型在获取对话信息时的困难，并表明此方法相较于已有方法具有更高的效率和人类风格，从而提升了开放域对话问答的表现。
conversational qaquestion rewritingcommon groundopen domainhuman-like
发现论文，激发创造
  • 会话式问答中的加强问句重述技术

    使用强化学习训练重写模型，以 QA 反馈作为监督信号，能够有效提高抽取式和检索式问答中的性能，并且人工评估表明该方法能够生成更准确和详细的重写，优于人工注释。

    Oct, 2022

  • 多模态对话中的共同语境跟踪

    通过使用深度神经网络模型，基于多模态交互数据集，我们在对话建模中提出了一种自动识别共同信仰和讨论问题的方法，评估不同特征类型对成功构建共同基础的贡献，并为这一新颖且具有挑战性的任务建立了基准。

    Mar, 2024

  • 面向会话问答的问题重写

    本论文介绍了一种分解对话问答任务的方法，包括问题重写和问题回答。通过引入一种新的对话 QA 架构和一个问题重写模型，证明了这种方法在 TREC CAsT 2019 建议检索数据集上已经达到了最新的技术水平，并在 QuAC 数据集中优于我们的基准模型。这个问题重写模型在两个数据集上的性能接近于人类的表现，而对话 QA 任务的终端性能差距主要是由于回答中的错误导致的。

    Apr, 2020

  • 反思而非反应：基于推理的共同理解提高对话响应质量

    本文提出通过使用 Reflect 数据集中的共同知识作为引导，可以改进当前的对话模型，从而生成更具质量和多样性的回复。

    Nov, 2022

  • 基于知识图谱的对话式问答系统

    我们提出了一个基于强化学习模型的 CornNet，该模型利用大型语言模型生成的问题重述来改进对知识图谱中的多轮自然语言问题的回答，实验证明 CornNet 优于现有的 ConvQA 模型。

    Dec, 2023

  • CONQRR：基于强化学习的检索型对话查询重写

    CONQRR 使用强化学习训练了一个新的查询重写模型，使得原本用于非对话查询的信息检索引擎能够在对话的语境下得到有效的应用，并在最近的 CQA 数据集中实现了最新的成果，同时对于领域外的对话和零查询重写监督具有可靠性。

    Dec, 2021

  • 评估重述问题对于对话式问答的重要性

    本文研究了基于神经语言模型、以及不同的信息提取和答案生成方式，在特定的搜索导向的对话人工智能任务中，如何通过代表问题上下文的不同重写模块，从背景知识库中提取信息，生成知识回答，最终取得了最佳表现，并在分析中强调了对话上下文的重要性。

    Jan, 2022

  • 通过问题重述使开放域问答变为对话

    介绍一个新数据集，用于在对话上下文中重新提问问题，提供了对问题改写、网页检索和阅读理解的指标。通过组合先进的问题重写模型和开放域 QA 的竞争模型，该方法显示出了 QReCC 数据集的效力，并证明了该设置的困难性和大量改进的空间。

    Oct, 2020

  • 去除黄金标准：重新评估对话问答

    本文对目前最先进的对话问答系统进行了首次的大规模人类评估，发现人类与机器之间的对话存在显著差异。此外，基于预测历史的问题重写机制能够更好地与人类判断相一致。通过研究各种建模策略，讨论了构建更好的对话问答系统的未来方向。

    Dec, 2021

  • 针对无答案对话问题生成的提问内容和提问方式建模

    SG-CQG 是一个用于回答无答案设置下如何生成与要求自然的对话的方法，它通过语义图和具有明确控制信号的分类器来解决 what-to-ask 和 how-to-ask 的挑战。同时，提出了新的评估指标 Conv-Distinct，并在实验中取得了最先进的表现。

    May, 2023