論文の概要: Baleen: Robust Multi-Hop Reasoning at Scale via Condensed Retrieval

• arxiv url: http://arxiv.org/abs/2101.00436v1
• Date: Sat, 2 Jan 2021 11:52:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-13 09:45:02.169339
• Title: Baleen: Robust Multi-Hop Reasoning at Scale via Condensed Retrieval
• Title（参考訳）: Baleen: 凝縮検索による大規模マルチホップ推論
• Authors: Omar Khattab, Christopher Potts, Matei Zaharia
• Abstract要約: Baleenは、現在のアプローチよりもマルチホップ推論の堅牢性とスケーラビリティを向上させるシステムです。 新しいマルチホップクレーム検証データセットHoVerでBaleenを評価します。
• 参考スコア（独自算出の注目度）: 18.70044601955362
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-hop reasoning (i.e., reasoning across two or more documents) at scale is a key step toward NLP models that can exhibit broad world knowledge by leveraging large collections of documents. We propose Baleen, a system that improves the robustness and scalability of multi-hop reasoning over current approaches. Baleen introduces a per-hop condensed retrieval pipeline to mitigate the size of the search space, a focused late interaction retriever (FliBERT) that can model complex multi-hop queries, and a weak supervision strategy, latent hop ordering, to learn from limited signal about which documents to retrieve for a query. We evaluate Baleen on the new many-hop claim verification dataset HoVer, establishing state-of-the-art performance.
• Abstract（参考訳）: マルチホップ推論(Multi-hop reasoning、すなわち2つ以上の文書をまたがる推論)は、大規模な文書コレクションを活用することで幅広い世界の知識を表現できるNLPモデルへの重要なステップである。 本稿では,マルチホップ推論のロバスト性と拡張性を向上させるシステムであるbaleenを提案する。 Baleen氏は、検索スペースのサイズを軽減するために、ホップ毎の縮合された検索パイプライン、複雑なマルチホップクエリをモデル化可能な集中遅延インタラクションレトリバー(FliBERT)、クエリを検索するドキュメントの限られた信号から学ぶための弱い監視戦略である潜時ホップオーダを導入した。 我々は,新たなマルチホップクレーム検証データセットであるHoVer上でバリーンを評価し,最先端の性能を確立した。

関連論文リスト

• Retrieve, Summarize, Plan: Advancing Multi-hop Question Answering with an Iterative Approach [6.549143816134531]
  二重機能要約器を備えたReSPと呼ばれる新しい反復RAG法を提案する。 マルチホップ質問応答HotpotQAと2WikiMultihopQAの実験結果から,本手法が最先端技術よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-18T02:19:00Z)
• Memory Injections: Correcting Multi-Hop Reasoning Failures during Inference in Transformer-Based Language Models [4.343604069244352]
  そこで本研究では,アテンションヘッドにターゲットメモリを注入することで,マルチホップ推論失敗をピンポイントし,修正する手法を提案する。 キーアテンション層への単純で効率的で目標とするメモリインジェクションは、マルチホップタスクにおいて、所望の次のトークンの確率を最大424%向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-09-11T16:39:30Z)
• End-to-End Beam Retrieval for Multi-Hop Question Answering [37.13580394608824]
  マルチホップ質問応答は、複数の関連するパスを見つけ出し、複雑な質問に答えるためにステップバイステップの推論を行う。 以前のレトリバーは2ホップの質問のためにカスタマイズされ、そのほとんどは異なるホップで個別に訓練された。 マルチホップQAのためのエンドツーエンドのビーム検索フレームワークであるビーム検索について紹介する。
  論文  参考訳（メタデータ） (2023-08-17T13:24:14Z)
• Performance Prediction for Multi-hop Questions [7.388002745070808]
  オープンドメイン型マルチホップ質問の性能を予測するための検索前手法であるmultHPを提案する。 評価の結果,提案モデルが従来のシングルホップQPPモデルよりも優れた性能を示すことが示唆された。
  論文  参考訳（メタデータ） (2023-08-12T01:34:41Z)
• UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
  KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。 我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:08:09Z)
• Locate Then Ask: Interpretable Stepwise Reasoning for Multi-hop Question Answering [71.49131159045811]
  マルチホップ推論では、複雑な質問に答えるために複数の文書を集約する必要がある。 既存の方法は通常、マルチホップの質問を単純なシングルホップの質問に分解する。 そこで本研究では,単一ホップ支援文識別と単一ホップ質問生成の両方を組み込む,解釈可能な段階的推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:24:25Z)
• Modeling Multi-hop Question Answering as Single Sequence Prediction [88.72621430714985]
  本稿では,単純な生成手法(PathFid)を提案する。 PathFidは、マルチホップ質問に対する回答を解決するための推論プロセスを明示的にモデル化する。 実験の結果,PathFidは2つのマルチホップQAデータセットに対して高い性能向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-05-18T21:57:59Z)
• HoVer: A Dataset for Many-Hop Fact Extraction And Claim Verification [74.66819506353086]
  HoVerはマルチホップエビデンス抽出と事実検証のためのデータセットである。 クレームに関連するいくつかのウィキペディア記事から事実を抽出するモデルに挑戦する。 3/4ホップのクレームのほとんどは複数の文で書かれており、長距離依存関係を理解する複雑さが増している。
  論文  参考訳（メタデータ） (2020-11-05T20:33:11Z)
• Answering Complex Open-Domain Questions with Multi-Hop Dense Retrieval [117.07047313964773]
  複雑なオープンドメインの質問に答えるために, 単純で効率的なマルチホップ高密度検索手法を提案する。 本手法では,文書間ハイパーリンクやアノテートされたエンティティマーカーなど,コーパス固有の情報へのアクセスは不要である。 提案システムでは,HotpotQA上でのベストパブリッシュ精度と,推論時の10倍の速度で,より優れた効率・精度のトレードオフも実現している。
  論文  参考訳（メタデータ） (2020-09-27T06:12:29Z)
• Answering Any-hop Open-domain Questions with Iterative Document Reranking [62.76025579681472]
  オープンドメインの問に答える統合QAフレームワークを提案する。 提案手法は,シングルホップおよびマルチホップのオープンドメインQAデータセットにおいて,最先端技術に匹敵する性能を継続的に達成する。
  論文  参考訳（メタデータ） (2020-09-16T04:31:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。