在本文中，我们提出了一个三阶段的 TextTableQA 框架 S3HQA，它包括检索器、选择器和推理器。在推理操作方面，我们采用了基于生成模型的推理器，包括一种行生成器和 LLM 提示生成器 (首次在这一任务中使用)。实验结果表明，我们的方法在少样本情况下取得了竞争性成果。当在整个数据集上训练时，我们的方法优于所有基线方法，在 HybridQA 排行榜上排名第一。

May, 2023

标准问答评估协议未考虑到答案的多粒度性质，与单一粒度的参考答案进行比较。本研究提出 GRANOLA QA 评估设置，用于多粒度答案的准确性和信息量评估。通过对现有数据集进行改进，建立了 GRANOLA-EQ 多粒度实体问题数据集，并在 GRANOLA-EQ 上评估了一系列解码方法，包括 DRAG 算法。实验证明，大型语言模型在标准解码下往往生成具体但错误答案，而 DRAG 算法在多粒度答案上平均提高了近 20 个百分点的准确性，对于罕见实体进一步提高。总体而言，这表明标准评估和解码方法可能严重低估了语言模型所包含的知识。

Jan, 2024

该研究提出了一种基于 Query Focused Extractor (QFE) 模型的可解释的多跳问答系统，使用多任务学习并结合了问答模型进行证据点提取，实验结果表明该模型在 HotpotQA 和 FEVER 任务中达到了最佳证据提取效果。

May, 2019

这篇研究论文介绍了 HiQA，一种集成了层叠元数据和多路检索机制的高级多文档问答框架，并提出了用于多文档问答研究评估的基准 MasQA。该框架在多文档环境中展示了最先进的性能。

Feb, 2024

提出了一种基于结构化知识和统一检索生成的方法（SKURG）来回答多模态和多跳问题，包括模态对齐，统一检索生成和中间检索结果的集成。该方法在两个数据集上均取得了最先进的效果。

Dec, 2022

UniKGQA 是一种新的多跳知识图谱问答方法，通过统一检索和推理模型架构和参数学习，基于预训练语言模型的语义匹配模块和匹配信息传播模块进行问题与关系的语义匹配，采用共同的预训练任务和检索以及推理定向的微调策略。

Dec, 2022

我们提出了一种两阶段方法 GEMFormer，首先将相关信息收集到整个文档的内存中，然后与局部上下文相结合来解决多跳问答任务。结果表明，将预训练模型进行微调，使用内存增强输入，包括一些最确定的全局元素，相对于基线在三个多跳问答数据集上提高了模型的性能。我们还发现，全局显式记忆包含了正确答案所需的支持事实的信息。

Nov, 2023

HybridQA 是一个基于异构信息的新的大规模问答数据集，通过对表格和文本信息的聚合完成问答，结果表明使用异构信息的混合模型可以获得高于基准模型的精确度。

Apr, 2020

本文提出了一种基于问题生成的新型多跳问答方法，通过精心设计端到端的 QG 模块，在上下文理解中提出内在逻辑子问题，从而继承了 QD 方法的可解释性并表现出较高的性能。实验证明，我们提出的 QG 模块是有效的，在流畅性、一致性和多样性方面优于 QD 方法，并获得了人工评估的定量可解释性。

Mar, 2022

BeamAggR 是一种用于知识密集型多跳问答的推理框架，它将复杂问题解析成树形结构，并在每个跳跃中探索和优先考虑有前途的答案。通过在多源知识上进行推理，BeamAggR 显著优于目前最先进的方法 8.5％，并且促进了更好的知识协作和答案聚合。

Jun, 2024