Interactive-KBQA: Multi-Turn Interactions for Knowledge Base Question Answering with Large Language

本文是LLM系列文章，针对《Interactive-KBQA: Multi-Turn Interactions for Knowledge Base Question Answering with Large Language Models》的翻译。

摘要

本研究探讨了知识库问答（KBQA）的领域。KBQA被认为是一项具有挑战性的任务，尤其是在将复杂的问题解析为可执行的逻辑形式时。传统的基于语义解析（SP）的方法需要大量的数据注释，这导致了巨大的成本。最近，在大型语言模型（LLM）的支持下，小样本上下文学习的出现展示了很有前景的能力。然而，在资源不足的情况下，充分利用LLM将问题解析为逻辑形式是一个巨大的挑战。为了解决这些障碍，我们引入了InteractiveKBQA，这是一个旨在通过与知识库（KB）的直接交互生成逻辑形式的框架。在这个框架内，我们开发了三个用于知识库交互的通用API。对于每一类复杂问题，我们都设计了示例来指导LLM完成推理过程。我们的方法在WebQuestionsSP、ComplexWebQuestions、KQA Pro和MetaQA数据集上使用最少的示例（样本）获得了有竞争力的结果。重要的是，我们的方法支持手动干预，允许对LLM输出进行迭代细化。通过用逐步推理过程注释数据集，我们展示了我们模型的适应性，并强