NAACL'24｜探索表格转文本方法对使用领域混合数据增强基于大语言模型的问答系统的影响

文章预览

↑ 点击 蓝字  关注极市平台 编辑丨极市平台 极市导读   本文研究了不同的表格到文本方法对使用混合数据构建的基于LLM问答系统的影响。作者仔细比较了四种代表性方法：Markdown格式化、模板序列化、基于TPLM的方法和基于LLM的方法。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 作者：闵德海（东南大学）、胡楠（东南大学）、金日辉（东南大学）、林诺（东南大学）、陈矫彦（曼彻斯特大学）、陈永锐（东南大学）、李煜（东南大学）、漆桂林（东南大学）、李昀（华为）、李拟珺（华为）、王乾人（华为） 论文录用：NAACL-2024 Industry Track Paper (Oral) 论文地址： https://arxiv.org/abs/2402.12869 摘要 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 ………………………………