NAACL 2024 | 基于LLM的问答系统：表格转文本方法为什么能成功？

文章预览

©PaperWeekly 原创 · 作者 |  闵德海 单位 |  东南大学硕士生 研究方向 |  大语言模型问答 使用特定领域数据增强大型语言模型（LLM）进行问答（QA）已引起社区的广泛研究和关注。然而，领域数据通常以混合格式存在，包括文本和半结构化表格，这为信息的无缝整合带来了挑战。表格转文本生成是一种通过促进混合数据转换为统一文本格式语料库的有前景的解决方案。尽管自然语言处理（NLP）社区已广泛研究了这种技术，但目前仍没有关于不同表格转文本策略生成的语料库如何影响 QA 系统性能的比较分析。 在本文中，我们分两步解决这一研究空白。 首先，我们创新性地将表格转文本生成集成到使用混合领域数据增强基于 LLM 的 QA 系统的框架中。然后，我们利用这一框架在真实的工业数据中对两种类型的 QA 系统（DSFT 和 RAG 框架）进行广泛的实验 ………………………………