时序知识编辑下的多跳问答
计算与语言
2024-04-02 v1 人工智能
机器学习
摘要
在大型语言模型时代，知识编辑（KE）下的多跳问答（MQA）引起了广泛关注。然而，现有的 KE 下 MQA 模型在处理包含显式时序上下文的问题时表现不佳。为了解决这一局限性，我们提出了一个新颖的框架，即时序知识增强多跳问答（TEMPLE-MQA）。与以往的方法不同，TEMPLE-MQA 首先构建一个时间感知图（TAG）以结构化的方式存储编辑知识。然后，通过我们提出的推理路径、结构化检索和联合推理阶段，TEMPLE-MQA 有效地识别问题查询中的时序上下文。在基准数据集上的实验表明，TEMPLE-MQA 显著优于基线模型。此外，我们贡献了一个新数据集，即 TKEMQA，作为专为带有时序范围的 MQA 定制的首个基准。
引用
@article{arxiv.2404.00492,
title = {Multi-hop Question Answering under Temporal Knowledge Editing},
author = {Keyuan Cheng and Gang Lin and Haoyang Fei and Yuxuan zhai and Lu Yu and Muhammad Asif Ali and Lijie Hu and Di Wang},
journal= {arXiv preprint arXiv:2404.00492},
year = {2024}
}
备注
23 pages