关键词generative question answering
搜索结果 - 7
- 通过符合性放弃减轻 LLM 幻觉
我们开发了一个原则性的方法,确定一个大型语言模型在一般领域中,何时应该放弃回答而选择回答 “我不知道”,而不是胡言乱语或错误答案。通过使用自洽性作为一种更可靠的模型置信度度量的早期方法的基础上,我们提出使用语言模型本身来自我评估其对于给定查 - COLING生成模型的信实性在上下文迁移下的分析
本研究引入了一种知识增强生成器,旨在生成依托于上下文知识的信息,无论上下文如何变化。我们的研究重点探究在动态知识存在时生成型问答的忠实度,并分析其产生原因。我们提出了一种简单而有效的探测此类幻觉的方法,并发现所有模型都倾向于生成以往的答案作 - COLING理解并改善生成式问答中的零样本多跳推理
本文研究发现,生成式问答模型的多跳推理能力非常有限,但可以通过训练拼接单跳问题或逻辑形式的方式进行改进。
- 智能辅导系统中的个性化反馈问题生成
研究了如何使用自动生成的问题作为智能辅导系统中个性化反馈的一种方法,此方法利用了因果分析和自然语言处理转换器模型以识别学生答案中的正确和错误部分,并训练了几个模型,以促使学生朝向正确的答案,并最终显示该方法对学生的学习效果提升达到 45%, - ACL应用答案生成进行跨语言开放领域问答
本文介绍了 GenQA 方法,将其扩展到跨语言环境下的 GenTyDiQA,并通过利用多种语言的段落设计了一个跨语言生成模型,优于所有 5 种语言的答案选择基线和 3 种中文的生成管道。
- ACL使用关键词权重的生成式问答度量 KPQA
本研究提出了一种新的度量模型 KPQA-metric,通过关键词预测为不同的令牌分配不同的权重评估生成的回答,用于评估生成式问答系统的正确性,并通过人类评估数据集表明,KPQA-metric 与现有度量模型具有更高的相关性。
- 问答生成模型
本研究通过使用编码 - 解码模型,结合复制机制和覆盖向量维护,实现了生成式问答,并在 MS-MARCO 数据集上验证了该方法的出色表现。