Mar, 2024
增强想象力生成:学习为超大语言模型提供更丰富上下文的问题回答
Imagination Augmented Generation: Learning to Imagine Richer Context for Question Answering over Large Language Models
Huanxuan Liao, Shizhu He, Yao Xu, Yuanzhe Zhang, Kang Liu...
TL;DR提出了一种基于想象力的知识增强框架(IAG)和适用于问题回答的想象力丰富上下文方法(IMcQA),通过模拟人类补偿知识缺陷的能力,实现了在回答问题时仅依靠想象而不依赖外部资源。在三个数据集上的实验结果表明,IMcQA 在开放领域和封闭书籍设置中,以及分布内性能和分布外推广方面都具有显著优势。