question answering | BriefGPT

关键词question answering

搜索结果 - 662

基于梵语知识的系统：注释和计算工具
通过自动构建知识图谱的框架、引入本体驱动和通用任务的注释工具，以及提供多样化的网页界面、工具和软件库，我们在梵语的知识系统发展中解决了挑战与机遇，尤其在问答方面。这些贡献不仅提高了梵语文本分析的可访问性和准确性，而且为知识表达和语言处理领域
PDF4 days ago
推动手写文件上的问答：基于最先进识别的模型的 HW-SQuAD
该研究提出了一种基于识别的新颖方法，通过使用基于变压器的文档检索和集成方法在模型层面上改进了 HW-SQuAD 和 BenthamQA 数据集上的现有最先进技术，分别实现了 82.02％和 92.55％的精确匹配得分，在 HW-SQuAD
PDF5 days ago
TTQA-RS - 多跳表格 - 文本问题回答的细化提示方法与推理及总结
使用开源语言模型，我们提出了一种基于推理和摘要的分解问题和回答的多跳表 - 文本问答的 TTQA-RS 模型，它在现有的 HybridQA 和 OTT-QA 数据集上的表格 - 文本 QA 任务中表现出色，同时与基于训练的最先进模型相当，展
PDF10 days ago
SynDARin: 用于低资源语言的自动推理数据集合成
提出了一种在低资源语言中生成和验证问题回答数据集的方法 SynDARin，该方法利用平行内容挖掘获得英文和目标语言之间的人工精选段落，使用英语数据作为上下文生成合成的多项选择问题 - 回答对，并经过自动翻译和质量验证。人类评估显示，生成的英
PDF10 days ago
工业应用中高效问答的开源语言模型基准测试
该论文通过对问题回答任务进行综合基准测试研究，旨在识别对实际应用具有可比较性能且资源要求轻的开源替代方案，以解决工业领域对可访问和高效的自然语言处理解决方案的紧迫需求。
PDF11 days ago
QRMeM：通过问题和反思记忆机制突破长度限制
通过引入基于问题和反思的记忆机制策略，结合静态文本内容和结构化图引导，提升了大型语言模型在文本处理和问答任务上的性能表现。
PDF11 days ago
追溯证据：构建基于知识的推理链用于检索增强生成
TRACE 利用知识图谱和推理链的构建提升了多跳推理能力，通过利用检索文档中的支持证据回答问题，平均提升了 14.03% 的性能，并表明仅使用推理链作为上下文通常足以正确回答问题。
PDF13 days ago
SciRIFF：提升科学文献中模型指令遵循能力的资源
SciRIFF 是一份包含 137K 个 54 项任务的指示跟随演示的科学资源，涵盖了信息提取、摘要、问题回答、声明验证和分类等五个必要的科学文献理解能力，其长输入上下文、详细任务规范和复杂的结构化输出使其成为瞩目的资源。通过在一般领域和
PDF20 days ago
CRAG - 全面的 RAG 基准
Retrieval-Augmented Generation (RAG) 是解决大型语言模型 (Large Language Model) 知识匮乏的有效方法，提出了 Comprehensive RAG Benchmark (CRAG) 用
PDF23 days ago
FairytaleQA 翻译：在资源有限的语言环境中实现教育问题和回答生成
通过机器翻译的方式，我们将著名的 QA 数据集 FairytaleQA 转化为其他语言，为了评估和提升儿童对于叙事理解的能力，我们利用经过微调的中等规模模型建立了这些翻译数据集的问答生成和问答任务基准，并通过质量度量标准如问题形式正确性、可
PDF24 days ago
日本大型语言模型中社会偏见分析
通过构建基于英文偏见基准 BBQ 的日语偏见基准数据集 JBBQ，并分析日本 LLM 的社会偏见，本研究发现，虽然当前的日本 LLM 通过指导调整提高了在 JBBQ 上的准确性，但其偏见程度却增加了。此外，通过在提示中加入关于社会偏见的警告
PDFa month ago
UniOQA：基于大型语言模型的知识图谱问答统一框架
UniOQA 是一个统一框架，通过整合两种互补的并行工作流程，利用大语言模型精确地回答问题，并采用直接回答预测过程作为一种成本效益的补充，通过改进问题表示能力和优化知识图谱，显著提升了 SpCQL 逻辑准确性达到 21.2% 和执行准确性达
PDFa month ago
图神经网络增强的 LLM 问题回答检索
我们提出了一种名为 GNN-Ret 的新型检索方法，利用图神经网络（GNNs）考虑段落间的相关性来增强检索过程，并通过 RGNN-Ret 处理多跳推理问题，从而提高问题回答准确率。实验结果表明，GNN-Ret 相比多次查询的强基线方法在单次
PDFa month ago
GNN-RAG：用于大规模语言模型推理的图神经网络检索
本文介绍了 GNN-RAG，一种将 LLMs 的语言理解能力与 GNNs 的推理能力以检索增强生成（RAG）风格相结合的新方法。通过 GNN 在稠密的 KG 子图上推理，提取连接问题实体和答案候选的最短路径，将其转化为 LLM 推理的输入。
PDFa month ago
深入思考：递归生成的思路
Thinking Recursively and Dynamically (ThReaD) is a framework applied in large language models for task solving and quest
PDFa month ago
LOVA3：学习视觉问答、提问和评估
通过引入名为 LOVA3 的创新框架，我们的研究旨在扩展 Multimodal Large Language Models（MLLMs）的能力，包括回答、提问和评估问题，在提高多模态理解能力和性能方面取得了一致的改进。
PDFa month ago
HippoRAG：针对大型语言模型的神经生物学启发式长期记忆
本研究介绍了一种灵感来源于人类长期记忆的大脑索引理论的新型检索框架 HippoRAG，通过协同作用 LLMs、知识图谱和 Personalized PageRank 算法模拟新经历的深度高效知识整合。与 RAG 方法进行多跳问答比较后表明
PDFa month ago
AGILE: 一种新的 LLM 智能体框架
我们引入了一种名为 AGILE 的 LLM 代理的新框架，旨在通过使用 LLMs、记忆、工具和专家的互动，执行与用户进行复杂对话的任务。我们将这样的 LLM 代理的构建形式化为一种强化学习问题，其中 LLM 作为策略模型。我们通过有标记的操
PDFa month ago
KnowledgeHub：辅助科学发现的端到端工具
该研究描述了 KnowledgeHub 工具，一种科学文献信息提取和问题回答的流程，通过支持将 PDF 文档转换为文本和结构化表示，以构建本体论，并使用基于浏览器的注释工具对 PDF 文档的内容进行注释，然后通过训练命名实体识别和关系分类模
PDFa month ago
COLING基于提示的少样本问答合成数据生成
使用大型语言模型在少样本学习 Set 中提高问题回答的性能。
PDFa month ago