弥合差距：用于开放检索式对话机器阅读理解的蕴含融合T5模型
计算与语言
2022-12-20 v1
摘要
开放检索式对话机器阅读理解（OCMRC）模拟了现实生活中的对话交互场景。机器需要根据检索到的规则文本、用户场景、用户问题和对话历史，做出“是/否/询问”的决策，或在决策为“询问”时生成一个后续问题。近期研究探索了减少决策与问题生成之间信息差距的方法，从而提升了生成性能。然而，由于这些流水线结构仍受限于决策、跨度提取和问题改写三个阶段，信息差距依然存在。决策与生成是分开推理的，且决策中使用的蕴含推理难以在所有阶段共享。为解决上述问题，我们提出了一种新颖的一阶段端到端框架，名为蕴含融合T5（EFT），以全局理解的方式弥合决策与生成之间的信息差距。广泛的实验结果表明，我们提出的框架在OR-ShARC基准上达到了新的最先进性能。
引用
@article{arxiv.2212.09353,
title = {Bridging The Gap: Entailment Fused-T5 for Open-retrieval Conversational Machine Reading Comprehension},
author = {Xiao Zhang and Heyan Huang and Zewen Chi and Xian-Ling Mao},
journal= {arXiv preprint arXiv:2212.09353},
year = {2022}
}