从文本回答具有不同推理步数的开放域问题

我们开发了一个统一系统，用于直接从文本回答可能需要不同数量检索步数的开放域问题。我们采用单一多任务transformer模型以迭代方式执行所有必要的子任务——检索支持事实、对其重排序、以及从所有检索到的文档预测答案。我们避免了先前工作中不能很好迁移到真实世界设定的关键假设，包括利用关于回答每个问题所需固定检索步数的知识，或使用如知识库或网络链接等可用性有限的结构化元数据。相反，我们设计了一个能在任何文本集合上回答开放域问题而无需推理复杂性先验知识的系统。为模拟此设定，我们构建了一个称为BeerQA的新基准，将现有单步与两步数据集与一组新的530个需要三个维基百科页面来回答的问题相结合，在此过程中统一了维基百科语料版本。我们展示了我们的模型在现有基准与该新基准上均表现出有竞争力的性能。我们在https://beerqa.github.io/提供了该新基准。