R$^3$：面向开放域问答的强化阅读器-排序器

近年来，研究人员在将神经网络方法应用于问答（QA）方面取得了相当大的成功。这些方法在简化的封闭域环境中取得了最先进的结果，例如SQuAD（Rajpurkar等人，2016）数据集，该数据集提供了一个预选的段落，从中可以提取给定问题的答案。最近，研究人员开始应对开放域问答，在该环境中，模型被给予一个问题并可以访问一个大型语料库（例如维基百科），而不是一个预选的段落（Chen等人，2017a）。这种设置更为复杂，因为它需要信息检索组件对相关段落进行大规模搜索，并结合一个阅读理解模型来“阅读”这些段落以生成问题的答案。该设置下的性能远远落后于封闭域性能。在本文中，我们提出了一个新颖的开放域问答系统，称为强化排序器-阅读器$(R^3)$，基于两项算法创新。首先，我们为开放域问答提出了一种带有排序器组件的新流水线，该组件学习根据生成给定问题的真实答案的可能性对检索到的段落进行排序。其次，我们提出了一种基于强化学习的新方法，联合训练排序器与答案生成阅读器模型。我们报告了广泛的实验结果，表明我们的方法在多个开放域问答数据集上显著优于现有技术水平。