cPAPERS：面向科学论文中情境化和多模态交互式对话的数据集
计算与语言
2024-06-13 v1 人工智能
机器学习
摘要
情境化和多模态交互式对话（SIMMC）中的一种新兴研究领域包括科学论文中的交互。由于科学论文主要由文本、方程、图形和表格组成，SIMMC 方法必须针对每个组成部分进行开发，以支持研究科学家所需的深入查询和交互。本工作引入了对话论文（cPAPERS），这是一个来自 arXiv 上可用科学文档评论中的对话问答对数据集，这些问答对以这些论文组成部分及其相关参考文献为 grounding。我们提出了一种数据收集策略，用于从 OpenReview 收集这些问答对，并将其与来自 LaTeX 源文件的上下文信息关联。此外，我们呈现了一系列基线方法，利用大语言模型（LLM）以零-shot 和 fine-tuned 配置来解决 cPAPERS 数据集。
关键词
引用
@article{arxiv.2406.08398,
title = {cPAPERS: A Dataset of Situated and Multimodal Interactive Conversations in Scientific Papers},
author = {Anirudh Sundar and Jin Xu and William Gay and Christopher Richardson and Larry Heck},
journal= {arXiv preprint arXiv:2406.08398},
year = {2024}
}
备注
14 pages, 1 figure