利用GPT-3实现零样本与少样本表格问答
机器学习
2022-11-01 v1
摘要
我们展示了使用GPT-3对表格数据执行问答的非常初步的结果。我们发现，未经微调的库存预训练GPT-3能够从序列化的JSON数组的数组表示中零样本学习表结构，并能以自然语言回答查找查询与简单比较问题。我们进一步发现，通过简单的提示工程加入少样本静态问答示例可显著提升准确率。最后，我们发现混杂段落文本可进一步提升异构数据上的准确率。我们将该方法应用于报纸信息图中简单表格的新数据集，取得了有前景的结果。总体而言，我们发现这一基础方法大有可为。
引用
@article{arxiv.2210.17284,
title = {Towards Zero-Shot and Few-Shot Table Question Answering using GPT-3},
author = {Pragya Srivastava and Tanuja Ganu and Saikat Guha},
journal= {arXiv preprint arXiv:2210.17284},
year = {2022}
}
备注
7 pages