EMNLPOct, 2023

PreWoMe: 借用前提作为长篇问答的工作记忆

PDF
TL;DR本文介绍了 PreWoMe 方法，它可以处理各种类型的信息查询问题，包括引导性问题，并通过利用预设条件作为工作记忆来生成反馈和行动，从而在处理具有不确定输入特征的真实场景中展现了有效性。
long-form question answeringmisleading questionsprewomepresuppositionsreal-world qa settings
发现论文，激发创造
  • 回答带有虚假前提的问题

    本文发现预训练语言模型内部已经拥有反驳谣言的所需知识，只需要激发其反驳能力，通过 fine-tuning 可以在少量示例（例如 256 个）的情况下区分虚假前提问题，并生成合理的反驳解释。

    Jul, 2023

  • CREPE：带有错误前提的开放领域问答

    介绍了一个包含在线信息获取论坛上的自然分布条件失败的问答数据集 CREPE，其中 25％的问题包含虚假前提；通过实验表明现有的开放域问答模型可以适当地找到前提，但很难预测前提是否属实，CREPE 提供了研究野外问答的基准，并为更好地建模和深入研究任务提供了途径。

    Nov, 2022

  • 生成式长篇问答：相关性、忠实度和简洁性

    本论文研究了长篇问答系统的相关性、可靠性和简洁性，旨在改进问题相关性、答案可靠性和简洁性等方面的答案质量。

    Nov, 2022

  • 长文本问答：一种迭代计划 - 检索 - 生成的方法

    提出了一种具有迭代规划、检索和生成过程的长篇问答（Long-form question answering，LFQA）模型，该模型通过迭代过程直到生成给定问题的完整答案，解决了既有模型在处理复杂问题和知识聚合方面的限制，并在各种文本和实际指标上优于现有模型。

    Nov, 2023

  • 长格式问答进展的障碍

    该论文探讨了长篇问答任务中关于评估和数据集构建所面临的挑战，在提出新模型的同时指出该任务中 ROUGE-L 评估不具信息性，且训练集和验证集存在显著重复。给出了缓解这些问题的建议。

    Mar, 2021

  • 哪位语言学家发明了电灯泡？用前提验证回答问题

    我们提出了一个改进的问题回答系统，可以有效处理自然问答数据集中的无法回答的问题，通过提出先决条件和验证其可验证性，并生成解释。

    Jan, 2021

  • 利用包含问题、答案和修订的数据库回答模棱两可的问题

    通过利用来自维基百科的明确问题数据库，我们提出了一个新的用于回答含糊问题的最新方法，在含糊问题的多个答案的总结中，我们的方法在回收率指标上提高了 15%（相对改进），在评估从预测输出中消除模糊问题的指标上提高了 10%。从生成的问题数据库检索还可以在多样的篇章检索中取得巨大的改进。

    Aug, 2023

  • WebCPM：面向中文长篇问答的交互式 Web 搜索

    介绍了 WebCPM，首个基于交互式 Web 搜索的中文长篇问答（LFQA）数据集，共收集 5,500 个高质量的问答对，开发了基于预训练语言模型微调的 LFQA 流水线，生成的答案在数据集和 DuReader 上能达到不亚于人类书写的水平。

    May, 2023

  • 针对闭卷长篇问答的查询精炼提示

    通过定义查询细化提示，可以提高大型语言模型在长篇输出评估和多方面问题回答中的表现，并在闭书问题回答设置中胜过完全微调模型，并取得与检索后生成开书模型相当的结果。

    Oct, 2022

  • 问题回答作为编程解决时效性问题

    本文旨在将大语言模型（LLMs）应用于问题作为编程（QAaP）中，以解决具有时间约束的事实问题，我们试图利用 LLMs 将各种表达形式的文本表示为良好结构的代码，以此来获取所需的知识和底层符号约束条件。

    May, 2023