FOLLOWUPQG：面向信息寻求的后续问题生成
计算与语言
2023-09-20 v2 人工智能
摘要
人类出于好奇心提出后续问题，这反映了一种创造性的人类认知过程。我们引入真实世界信息寻求后续问题生成(FQG)任务，旨在生成寻求对初始问题和答案更深入理解的后续问题。我们构建了FOLLOWUPQG，一个从Reddit论坛收集的超过3K真实世界（初始问题、答案、后续问题）元组的数据集，该论坛为开放式问题提供外行友好的解释。与现有数据集相比，FOLLOWUPQG中的问题使用更多样的语用策略来寻求信息，并且展现出更高阶的认知技能（如应用和关联）。我们评估当前问题生成模型在生成后续问题上的效能，探索如何基于逐步演示生成特定类型的后续问题。我们的结果验证FOLLOWUPQG作为一个具挑战性的基准，因为模型生成的问题在充分性上尚可，但在信息量和复杂度上远不及人类提出的问题。
引用
@article{arxiv.2309.05007,
title = {FOLLOWUPQG: Towards Information-Seeking Follow-up Question Generation},
author = {Yan Meng and Liangming Pan and Yixin Cao and Min-Yen Kan},
journal= {arXiv preprint arXiv:2309.05007},
year = {2023}
}