WikiEdge:ArXiv-2402.10812/background

編輯

這篇文獻的背景主要集中在以下幾個方面：

1. 異構數據源上的問答系統（Hybrid Question Answering, HQA）的挑戰：
   • HQA任務要求系統能夠處理來自不同數據源的信息，如表格、文本和圖像，這需要系統能夠理解和推理多種數據類型。
   • 現實世界的數據通常以多種格式存在，並且來源於多個源頭，這增加了處理和推理的複雜性。
2. 現有方法的局限性：
   • 現有的方法通常依賴於特定領域的檢索器或排名器，以及將不同模態的數據轉換為單一模態的技術，這些方法在處理複雜和異構數據時存在局限性。
   • 這些方法往往依賴於數據分布，並且當數據規模龐大且不斷更新時，它們的適用性受到限制。
3. 程序化提示（Program-based Prompting）的潛力：
   • 利用程序來闡明推理過程，可以作為一種優勢解決方案，尤其是在大型語言模型（LLMs）時代，因為LLMs是優秀的程序生成器。
   • 通過將各種功能整合到程序中，可以使得信息檢索跨越不同的數據源和模態，而無需事先將不同模態的數據轉換為單一模態。

綜上所述，這篇文獻的背景強調了在HQA任務中對能夠處理異構數據的新型解決方案的需求，以及現有方法在靈活性和泛化能力方面的不足。作者提出了HPROPRO框架，旨在通過程序化提示和執行來提高問答系統在異構數據源上的表現。