ViMultiChoice：为越南多选阅读理解提供解释能力的方法
计算与语言
2026-03-02 v2
摘要
多选阅读理解（MCRC）模型旨在从给定问题的候选选项集合中选择正确答案。但它们通常缺乏对选择背后推理过程的解释能力。本文引入一个新颖的越南数据集，用于训练和评估具备解释生成能力的 MCRC 模型。此外，我们提出 ViMultiChoice，一种专为 modeling 越南阅读理解而设计的新方法，能够联合预测正确答案并生成相应的解释。实验结果表明，ViMultiChoice 在 ViMMRC 2.0 基准和新引入的数据集上均优于现有的 MCRC 基线，实现了最新进展（SotA）性能。此外，我们展示了在联合训练选项决策和解释生成方面可显著提高多选准确率。
关键词
引用
@article{arxiv.2602.09961,
title = {ViMultiChoice: Toward a Method That Gives Explanation for Multiple-Choice Reading Comprehension in Vietnamese},
author = {Trung Tien Cao and Lam Minh Thai and Nghia Hieu Nguyen and Duc-Vu Nguyen and Ngan Luu-Thuy Nguyen},
journal= {arXiv preprint arXiv:2602.09961},
year = {2026}
}