论文浅尝 | CABINET: 基于内容相关性的表格问答降噪（ICLR2024）

文章预览

笔记整理：曲晏林，天津大学硕士，研究方向为大模型 论文链接：https://arxiv.org/html/2402.01155 发表会议：ICLR2024 1. 动机 通常，只有少数单元格包含所需的信息， 不相关的表格数据充当分散的信息或噪声，导致性能次优。在大型表中，由于存在更多的数据，性能下降会进一步放大。 DATER 是最先进的表格 QA 方法之一， 其 将表格分解为更简单的子表格，其中包含通过向基于 GPT-3 的 Codex 提供上下文示例来回答问题所需的信息。这种以问题为条件的表格分解是次优的，因为如果没有选择相关信息，后续的 QA 模型无法纠正分解过程中产生的错误。为了减轻这种情况， 本文 提出了 CABINET( 基于内容相关性的表问答噪声降低 ) ，根据与问题的相关性对不同表部分进行加权，而不明确删除任何内容。 2. 贡献 (1) 提出了一种无监督方法，评估表格内容与输入问题 ………………………………