LIQUID：一种列表问答数据集生成框架

问答（QA）模型常依赖大规模训练数据集，因而有必要开发数据生成框架以降低人工标注成本。尽管近期若干研究旨在生成具有单跨度答案的合成问题，尚无研究涉及以多个非连续跨度为答案的列表问题创建。为弥补此缺口，我们提出 LIQUID，一种从非标注语料自动生成列表 QA 数据集的框架。我们首先将来自 Wikipedia 或 PubMed 的段落转换为摘要，并从摘要文本中提取命名实体作为候选答案。这使我们能选取在上下文中语义相关的答案，从而适于构建列表问题。随后，我们利用现成的问答生成器，基于所提取实体与原始段落创建问题。最后，执行迭代过滤与答案扩展以确保答案的准确性与完整性。使用我们的合成数据，我们在 MultiSpanQA 上以精确匹配 F1 分数提升 5.0、在 Quoref 上提升 1.9、在三项 BioASQ 基准上平均提升 2.8，显著改进了此前最佳列表 QA 模型的性能。