WebCPM：面向中文长文问答的交互式网络搜索

长文问答（LFQA）旨在以详尽的段落级回复回答复杂、开放性的问题。LFQA 的事实范式需要两个步骤：信息检索，即搜索相关的支撑事实；以及信息综合，即将这些事实整合为连贯的答案。本文介绍 WebCPM，首个中文 LFQA 数据集。WebCPM 的一个独特之处在于其信息检索基于交互式网络搜索，与搜索引擎实时交互。沿用 WebGPT，我们开发了一个网络搜索界面。我们招募标注人员使用我们的界面搜索相关信息并回答问题，同时记录标注人员的网络搜索行为。我们总共收集了 5500 组高质量问答对，以及 14315 条支撑事实和 121330 次网络搜索动作。我们对预训练语言模型进行微调，以模仿人类的网络搜索行为并基于所收集事实生成答案。我们基于这些微调模型构建的 LFQA 流水线，在我们的数据集和 DuReader 上分别有 32.5% 和 47.5% 的案例生成的答案不逊于人工撰写的答案。