面向多跳表格-文本问答的 TTQA-RS：基于分解提示的推理与总结方法
计算与语言
2024-10-02 v2 信息检索
摘要
表格和文本问答（QA）近年来受到广泛关注。多跳表格-文本 QA 需要在表格和文本之间进行多个跳转，使其成为具有挑战性的 QA 任务。尽管已有多项工作尝试解决表格-文本 QA 任务，但大多数需要训练模型并依赖标记数据。本文提出了基于检索增强生成（RAG）的模型 - TTQA-RS：一种面向多跳表格-文本问答的分解提示方法，集成推理与总结。我们的模型使用增强检索器进行表格-文本信息检索，并使用包括表格-文本摘要、分解子问题及其答案的增强知识进行基于推理的表格-文本 QA。使用开源语言模型，我们的模型在现有的表格-文本 QA 数据集（如 HybridQA 和 OTT-QA 开发集）上超越了所有现有的提示方法。我们的实验表明，使用开源大语言模型进行提示方法的潜力巨大。此外，通过使用 LLaMA3-70B，我们的模型在多跳表格-文本 QA 的提示方法中实现了最好的性能。
引用
@article{arxiv.2406.14732,
title = {TTQA-RS- A break-down prompting approach for Multi-hop Table-Text Question Answering with Reasoning and Summarization},
author = {Jayetri Bardhan and Bushi Xiao and Daisy Zhe Wang},
journal= {arXiv preprint arXiv:2406.14732},
year = {2024}
}