多选机器阅读理解的最新进展：方法与数据集综述
计算与语言
2024-08-06 v1 机器学习
摘要
本文对多选机器阅读理解（MRC）领域的最新发展进行了全面审述。聚焦基准数据集、方法、挑战及未来发展方向，旨在为研究者提供当前多选MRC领域的综合概览。分析深入探讨了30个现有的隐喻式和多选题MRC基准数据集，采用基于语料风格、领域、复杂性、上下文风格、问题风格和答案风格等属性的细化分类方法。该分类体系增强了对每个数据集多样属性的理解，并按其复杂性进行了分类。此外，本文将近期方法归类为微调方法和提示调优方法。微调方法通过在特定领域数据集上重新训练来适应预训练语言模型（PLM）以适应特定任务；提示调优方法则利用提示引导PLM生成响应，具有潜在的零样本或少样本学习应用。通过推动 ongoing 讨论、激发未来研究方向以及促进创新，本文旨在推动多选MRC迈向新的成就高度。
引用
@article{arxiv.2408.02114,
title = {Recent Advances in Multi-Choice Machine Reading Comprehension: A Survey on Methods and Datasets},
author = {Shima Foolad and Kourosh Kiani and Razieh Rastgoo},
journal= {arXiv preprint arXiv:2408.02114},
year = {2024}
}