针对带不可答问题的 KBQA 少样本迁移的迭代修复与弱验证器
计算与语言
2025-08-01 v3 人工智能
摘要
真实世界的 KBQA 应用需要模型能够处理带有限领域标注训练数据的数据的不可答问题。我们提出了处理带不可答问题的 KBQA 少样本迁移的新任务，并贡献了用于性能评估的两个新数据集。我们提出了 FUn-FuSIC - 我们任务的新型解决方案，该方案扩展了 FuSIC KBQA，这是处理可答-only KBQA 的最新少样本迁移模型。我们首先指出，FuSIC-KBQA 的迭代修复假设所有问题都是不可答的。作为补救，我们提出了针对不可答性的反馈机制 (FUn)，该机制使用来自一套强弱验证器的反馈进行迭代修复，并针对不可答性改进自洫性，以更好地评估问题的可答性。我们的实验表明，FUn-FuSIC 在该任务上显著优于多个基于 LLM 的监督性 SOTA 模型的合理改编版本，同时也为可答少样本迁移建立了新的 SOTA。
引用
@article{arxiv.2406.14313,
title = {Iterative Repair with Weak Verifiers for Few-shot Transfer in KBQA with Unanswerability},
author = {Riya Sawhney and Samrat Yadav and Indrajit Bhattacharya and Mausam},
journal= {arXiv preprint arXiv:2406.14313},
year = {2025}
}