PreWoMe：利用预设前提作为工作记忆的长篇问答方法
计算与语言
2023-11-15 v2 人工智能
摘要
长篇问答（LFQA）中寻求信息的提问常因问题中的歧义或错误预设而具误导性。尽管许多现有方法可处理误导性问题，但它们仅针对有限类型问题设计，不足以应对具有不可预测输入特征的真实场景。本工作中，我们提出 PreWoMe，一种能处理任意类型信息寻求问题的统一方法。PreWoMe 的核心思想在于提取问题中的预设前提，并将其作为工作记忆来生成关于该问题的反馈与动作。我们的实验表明，PreWoMe 不仅在处理误导性问题上有效，也能处理正常问题，从而展示了在真实世界问答场景中利用预设前提、反馈与动作的有效性。
引用
@article{arxiv.2310.16147,
title = {PreWoMe: Exploiting Presuppositions as Working Memory for Long Form Question Answering},
author = {Wookje Han and Jinsol Park and Kyungjae Lee},
journal= {arXiv preprint arXiv:2310.16147},
year = {2023}
}
备注
11 pages 3 figures, Accepted to EMNLP 2023 (short)