查看“WikiEdge:ArXiv-2402.10812/background”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2402.10812/background|action=edit}} 编辑]</div>
这篇文献的背景主要集中在以下几个方面：
# '''[[异构数据源]]上的[[问答系统]]（Hybrid Question Answering, HQA）的挑战'''：
#* HQA任务要求系统能够处理来自不同数据源的信息，如[[表格]]、[[文本]]和[[图像]]，这需要系统能够理解和推理多种数据类型。
#* 现实世界的数据通常以多种格式存在，并且来源于多个源头，这增加了处理和推理的复杂性。
# '''现有方法的局限性'''：
#* 现有的方法通常依赖于特定领域的[[检索器]]或[[排名器]]，以及将不同模态的数据转换为单一模态的技术，这些方法在处理复杂和异构数据时存在局限性。
#* 这些方法往往依赖于数据分布，并且当数据规模庞大且不断更新时，它们的适用性受到限制。
# '''[[程序化提示]]（Program-based Prompting）的潜力'''：
#* 利用程序来阐明推理过程，可以作为一种优势解决方案，尤其是在[[大型语言模型]]（LLMs）时代，因为LLMs是优秀的程序生成器。
#* 通过将各种功能整合到程序中，可以使得信息检索跨越不同的数据源和模态，而无需事先将不同模态的数据转换为单一模态。
综上所述，这篇文献的背景强调了在HQA任务中对能够处理异构数据的新型解决方案的需求，以及现有方法在灵活性和泛化能力方面的不足。作者提出了[[HPROPRO]]框架，旨在通过程序化提示和执行来提高问答系统在异构数据源上的表现。