生成前に読む!  機械読書による忠実な長形式質問応答【JST・京大機械翻訳】

Su Dan; Li Xiaoguang; Zhang Jindi; Shang Lifeng; Jiang Xin; Liu Qun; Fung Pascale

プレプリント

J-GLOBAL ID：202202204111444497 整理番号：22P0296993

生成前に読む! 機械読書による忠実な長形式質問応答【JST・京大機械翻訳】

Read before Generate! Faithful Long Form Question Answering with Machine Reading

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月01日プレプリントサーバーでの情報更新日： 2022年03月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

長形質問回答(LFQA)は,与えられた質問に対してパラグラフ長回答を生成することを目的とする。発電のための大規模事前訓練モデルを用いたLFQAに関する現在の研究は,フルーフルで幾分関連するコンテンツを生成するのに有効であるが,1つの主要な課題は,より少ない幻覚コンテンツを持つ忠実な回答を生成する方法にある。回答生成と機械学習を共同でモデル化する新しいエンドツーエンドフレームワークを提案した。重要なアイデアは,忠実な事実の強調として見ることができる,細粒で,回答関連の顕著情報による生成モデルを強化することである。2つのLFQAデータセット,ELI5およびMSMARCOに関する最新の結果は,自動および人間評価計量に関する強いベースラインと比較して,著者らの方法の有効性を実証した。詳細な解析は,さらに,合流,関連,およびより忠実な回答を作り出す際に,著者らの方法の能力を証明した。【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , 自然語処理

, ,

前のページに戻る