先读后生成！基于机器阅读的忠实长文本问答
计算与语言
2022-03-02 v1 人工智能
摘要
长文本问答（LFQA）旨在为给定问题生成段落长度的答案。虽然当前使用大型预训练模型进行生成的 LFQA 工作能有效产出流畅且一定程度上相关的内容，但一个主要挑战在于如何生成包含更少幻觉内容的忠实答案。我们提出了一个联合建模答案生成与机器阅读的新型端到端框架。其核心思想是用细粒度、与答案相关的显著信息来增强生成模型，这可以视为对忠实事实的强调。在两个 LFQA 数据集 ELI5 和 MS MARCO 上的最新最优结果证明了我们方法的有效性，在自动评估和人工评估指标上均优于强基线。详细分析进一步证明了我们的方法在生成流畅、相关且更忠实的答案方面的能力。
引用
@article{arxiv.2203.00343,
title = {Read before Generate! Faithful Long Form Question Answering with Machine Reading},
author = {Dan Su and Xiaoguang Li and Jindi Zhang and Lifeng Shang and Xin Jiang and Qun Liu and Pascale Fung},
journal= {arXiv preprint arXiv:2203.00343},
year = {2022}
}
备注
long paper, accepted to ACL 2022 findings