Efficient and Robust Question Answering from Minimal Context over Documents读书笔记

在阅读理解与问答(RCQA)任务中,传统模型过度依赖整篇passage,效率低下且易受噪音干扰。本文介绍一种创新方法,通过引入SentenceSelector筛选关键句子,显著提升模型效率与准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

发表于ACL2018

RCQA任务中,以往模型依赖于整个passage,而作者发现往往只需要少数几个句子就能回答问题。依赖整个passage带来效率上的降低,并且模型更容易被噪音内容干扰。

模型:
    引入sentence selector,选取最有可能回答问题的句子,再输入给QA模块进行回答。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值