通过问答进行交互式语言学习
计算与语言
2019-08-30 v1 机器学习
摘要
人类通过观察并与世界交互来获取知识。然而，大多数现有的机器阅读理解（MRC）任务缺失了理解中交互式、信息寻求的组成部分。此类任务向模型提供包含全部必要信息的静态文档，这些信息通常集中在单个短子串中。因此，模型可以通过简单的基于词和短语的模式匹配取得强劲表现。我们通过对一种新颖的基于文本的问答任务进行形式化来解决此问题：交互式文本问答（QAit）。在 QAit 中，智能体必须与部分可观测的基于文本的环境进行交互，以收集回答问题所需的信息。QAit 提出关于环境中物体的存在、位置与属性的问题。数据使用基于文本的博弈生成器构建，该生成器定义了与环境交互的底层动力学。我们提出并评估了一组 QAit 任务的基线模型，包括深度强化学习智能体。实验表明，该任务对机器阅读系统提出了重大挑战，而人类能相对轻松地解决它。
引用
@article{arxiv.1908.10909,
title = {Interactive Language Learning by Question Answering},
author = {Xingdi Yuan and Marc-Alexandre Cote and Jie Fu and Zhouhan Lin and Christopher Pal and Yoshua Bengio and Adam Trischler},
journal= {arXiv preprint arXiv:1908.10909},
year = {2019}
}
备注
EMNLP 2019