ACLMay, 2023

探究最小编辑问句下的开放领域问答系统对比一致性

PDF
TL;DR本文研究了在自然语言处理中，模型在面对扰动时进行一致性预测的能力，提出了一种基于人工标注和大型语言模型生成的问题集，以改善现有模型在开放域问答任务上的表现，对广泛使用的密集式段落检索器模型（DPR）进行了改进，并通过对比性损失和数据增强技术提高了 DPR 的对比一致性，而不影响其在标准测试集上的准确度。
contrast consistencynlpopen-domain question answeringdprquery-side contrastive loss
发现论文，激发创造
  • 基于有限文本语料库的对比领域自适应对话回答

    本研究提出了一种名为对比领域自适应问答（CAQA）的新型领域适应框架，该框架结合了问题生成和域不变学习技术，用于在文本语料库受限的情况下回答域外问题，并且相较于现有技术取得了显著的效果改善。

    Aug, 2021

  • 对话依赖性建模的情境对话问答短语检索

    本文提出了一种基于短语检索的直接预测答案方法，利用对比学习策略，将上下文的连续对话转化为一个单一的子任务，并在两个 ODConvQA 数据集上进行了验证，结果表明相较于检索器 - 阅读器方法，本方法具有显著优势。

    Jun, 2023

  • 开放领域的会话问答的强大且高效的基线模型

    通过研究状况下的密集通道检索（DPR）检索器和解码中的融合（FiD）阅读器的流程，我们提出和评估了强大而简单高效的基准线，通过在检索器和阅读器之间引入快速重新排列组件并执行有针对性的微调步骤，改进了现有方法的性能，并减少了阅读器的延迟 60%。

    Oct, 2023

  • 多语言开放领域问答中的信息不一致性研究

    本研究针对基于检索的开放领域问答系统，探究多语言环境下文献信息不一致的问题，分析多语言开放领域问答模型的检索偏差，探讨文化差异和信息不一致性对模型的影响。

    May, 2022

  • 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

  • 对话式通用问题解答的多方面改进

    本文提出了一种用于对话式问答的多方面改进框架，通过 KL 散度正则化、后处理程序和课程学习策略等三个方面的改进，有效地解决了开放域问答过程中的一系列问题，并在公开数据集 OR-QuAC 上展现了比同类模型更好的性能表现。

    Apr, 2022

  • 高效开放域问答测量调查

    本研究介绍了开放域问题回答（ODQA）的效率，并提供了最新的研究成果和挑战，以期为 ODQA 效率的进一步发展做出贡献。

    Nov, 2022

  • 基于历史答案的开放领域问答对话系统

    本文提出了 ConvADR-QA，该方法在 Open-domain conversational question answering 中使用历史答案来提高文本检索和回答效率。通过引入 teacher-student 框架来减少上一轮的噪声，实验结果表明我们的模型在提取式和生成式读者设置方面均优于现有的基线模型，充分证明了历史答案在开放领域会话问答中的有效性。

    Nov, 2022

  • 在检索增强开放域问答中的可回答性

    本文研究了利用随机策略训练模型存在识别高语义重叠无关文本摘录能力不足的重要局限性，并发现了一种有效的方法来训练模型以识别此类摘录，通过利用 SQuAD 2.0 数据集的不可回答配对，我们的模型在面对这些具有挑战性的文本摘录时实现了近乎完美的准确性（约 100%）。

    Mar, 2024

  • 缓解上下文记忆以提高开放领域问答的泛化能力

    Open-domain Question Answering research investigates the generalization performance of a retrieval-augmented QA model, proposing Corpus-Invariant Tuning as an effective training strategy to mitigate knowledge over-memorization and achieve better generalizability.

    Apr, 2024