本研究提出了一种基于对话的问答数据集QuAC，其包含14K个信息寻求问答对话（共100K个问题），并且QuAC针对其他机器理解数据集中未发现的挑战进行了改进。我们在详细的定性评估中表明，QuAC的问题通常更具开放性、难以回答或仅在对话上下文中有意义，还报告了许多参考模型的结果，包括最近被扩展为对话上下文模型的最先进的阅读理解体系结构。但是我们最好的模型仍然比人类表现差了20个F1，这表明还有很大的未来工作空间。

Aug, 2018

该研究介绍了QAConv，这是一个新的基于对话的问题回答（QA）数据集，通过长、复杂、异步和涉及强领域知识的信息型对话提供了一个新的训练和评估测试平台来促进QA在对话研究中的应用。

May, 2021

本论文研究了将对话任务转换成问答任务，以便利用现有的基于转换器的预训练语言模型解决一些自然语言理解任务中的挑战，特别是对话区域中的槽标记。研究结果表明，QA调整的预训练语言模型可应用于SL任务，并达到了新的性能表现，从而提高了其性能和效率。

Apr, 2022

本研究提出了 CONVINSE，一种面向杂多数据源的对话问答系统，对来自知识库、文本和表格等多种异构数据源相应回答问题，并通过构建 ConvMix 基准测试平台，验证了该系统的优越性能。

Apr, 2022

提出一种通过生成dialog数据来解决ConvQA系统缺乏训练数据的问题的技术--dialog inpainting，并将其应用于来自维基百科和互联网的篇章中，生成了两个数据集：WikiDialog和WebDialog，共19m条对话数据，相对于现有数据集增加了1000倍，进而预训练ConvQA检索系统，在三个基准测试中（QReCC，OR-QuAC，TREC CAsT）实现了显著提升，最高可达40%。

May, 2022

该论文介绍了一种自动生成基于搜索查询的对话数据的机器学习方法，通过使用大型语言模型生成问题回答数据集，学习如何与外部搜索 API 通信，以生成具有上下文的搜索查询，从而改善对话系统的回答效果。

Apr, 2023

通过我们提出的REIGN框架，我们通过多种步骤来解决面对表面形式变化的局限性学习环境，其中包括系统生成训练问题的改写，通过深度强化学习改善问答模型的性能，以及在一个基准测试集上训练模型并应用于另一个。我们通过大量多样的改写生成评测数据的方式对训练模型的鲁棒性进行了严格评估，结果显示，通过改写生成的训练方法的对话问答模型明显优于只使用金标准问答对进行标准训练的模型。

Oct, 2023

通过引入PCoQA数据集，本研究旨在为会话式问答研究提供第一个波斯语会话式问答数据集，包含多达9,026个背景驱动的问题，涉及提问者、回答者和维基百科文档。该数据集对以往问答数据集提供了新的挑战，包括更多开放性非事实性答案、较长答案和更少的词汇重复。本文还介绍了多种基准模型的性能，包括基线模型和预训练模型，并使用预训练模型提升了性能。有关数据集和基准模型可在我们的Github页面上获取。

Dec, 2023

近期关于口语问答方面的研究表明，最新的端到端模型在提问回答方面取得了显著的进展，尤其是在提取性问题的选择上。然而，先前的研究主要集中在提取性问题上，这种基于提取的方法在直接提取答案的情况下是有效的，但在涉及抽象问题且答案不可直接提取的情况下则存在不足。为了弥补这一差距，我们首次引入了第一个端到端生成式口语问答模型（GSQA），以增强系统的抽象推理能力。我们的GSQA模型训练的挑战在于缺乏口语抽象问答数据集。我们建议使用文本模型进行初始化，并利用基于提取的问答数据集将文本生成模型的知识转移到口语生成模型上。实验结果表明，我们的模型在基于提取的问答数据集上的性能超过了先前的提取性模型3％。此外，GSQA模型仅在口语提取性问答数据集上进行了微调。尽管没有见过任何口语抽象问答数据，它仍然能够与级联模型的性能高度匹配。总而言之，我们的GSQA模型展示了到广泛问题范围的泛化潜力，从而进一步扩展了抽象问答的口语问答能力。

Dec, 2023

通过学习对话任务数据的分割而不是使用句子边界的分割方法，我们提出了一种强大的对话合成方法，通过该方法生成的合成数据集在机器和人员评估中表现出优越的质量，同时在ConvQA检索系统预训练中使用我们的填充数据，观察到OR-QuAC基准测试数据的显著提升。

Jun, 2024