对复杂问题的简明回答：长形式答案的摘要化
计算与语言
2023-05-31 v1
摘要
长形式问答系统通过呈现段落级答案提供丰富信息，常包含可选的背景或辅助信息。虽然此类全面答案有用，但并非所有信息都是回答问题所必需的（例如具备领域知识的用户不需要背景解释）。我们能否在仍作答的同时，通过摘要提供答案的简明版本？我们对最先进模型生成的摘要及我们新提出的抽取-去语境化方法进行了用户研究。我们发现 ELI5 领域中很大比例（超 90%）的长形式答案可被至少一个系统充分摘要，而复杂和隐式答案难以压缩。我们观察到去语境化提升了抽取式摘要的质量，彰显了其在摘要任务中的潜力。为促进未来工作，我们提供了覆盖 1K 长形式答案的抽取式摘要数据集及用户研究标注。综上，我们呈现了首个关于长形式答案摘要化的研究，为能提供多粒度答案的 QA 智能体迈出一步。
引用
@article{arxiv.2305.19271,
title = {Concise Answers to Complex Questions: Summarization of Long-form Answers},
author = {Abhilash Potluri and Fangyuan Xu and Eunsol Choi},
journal= {arXiv preprint arXiv:2305.19271},
year = {2023}
}
备注
ACL 2023 Long Paper