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

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2402.10812/summary|action=edit}} 编辑]</div>
这篇论文提出了一种新颖的基于程序的提示框架[[HPROPRO]]，用于解决[[混合型问题回答]]（[[Hybrid Question Answering]]，HQA）任务。HQA任务要求对异构数据源进行推理，这在信息量庞大和数据源多样性的情况下尤为具有挑战性。HPROPRO框架遵循代码生成和执行范式，并整合了多种功能以应对混合推理场景。具体来说，HPROPRO包含[[函数声明]]和[[函数实现]]两个关键组件，以支持对来自不同来源和模态的数据进行混合信息检索，从而在无需训练专门的检索器或执行模态转换的情况下进行推理。在[[HybridQA]]和[[MultiModalQA]]两个典型的混合问题回答基准数据集上的实验结果显示，HPROPRO的有效性：在两个数据集的少样本设置下均超越了所有基线系统，并在MultiModalQA的所有设置下达到了最佳性能。
# '''引言'''：介绍了问题回答系统在处理现实世界中多样化格式和多源数据方面面临的挑战，并指出了现有方法的局限性，提出了HPROPRO框架的必要性。
# '''HPROPRO框架'''：详细阐述了HPROPRO的工作原理，包括任务公式化、函数声明、函数实现、函数实例化、代码细化和查询简化等关键技术。
# '''实验'''：在HybridQA和MultiModalQA数据集上对HPROPRO进行了评估，并通过与多种有监督和无监督的基线方法比较，展示了HPROPRO的优势。
# '''主要结果'''：分析了HPROPRO在HybridQA和MultiModalQA数据集上的表现，并与现有技术进行了对比，证明了HPROPRO在无需领域特定微调的情况下的有效性。
# '''消融研究'''：探讨了HPROPRO中关键组件，如“check”函数和查询简化，对整体性能的影响。
# '''错误分析'''：对HPROPRO在验证集上出现的错误类型进行了分类和分析，指出了未来研究的方向。
# '''相关工作'''：回顾了混合问题回答和基于程序的提示策略的相关研究，并将HPROPRO与现有工作进行了对比。
# '''结论'''：总结了HPROPRO的主要贡献，并讨论了未来的研究方向和论文的局限性。