[论文翻译]Tree of Clarifications: 基于检索增强大语言模型的模糊问题解答

Tree of Clarifications: Answering Ambiguous Questions with Retrieval-Augmented Large Language Models Tree of Clarifications: 基于检索增强大语言模型的模糊问题解答 Gangwoo $\mathbf{Kim}^{1}$ Sungdong $\mathbf{Kim^{2,3,4}}$ Byeongguk Jeon1 Joonsuk Park2,3,5 Jaewoo Kang K... 开放域问答中的问题往往具有歧义性，可能存在多种解读方式。Stelmakh等人(2022)提出的一种处理方法是识别歧义问题(AQ)的所有可能解释，并生成涵盖所有解释的长篇答案。虽然这种方法能在不打扰用户澄清的情况下提供全面回答，但如何考量歧义的多个维度并收集相应知识仍具挑战性。为此，我们提出了一个新颖框架——澄清树(TREE OF CLARIFICATIONS，TOC)：它通过少样本提示结合外部知识，递归地为歧义问题构建消歧树，并利用该树生成长篇答案。在ASQA数据集上，TOC在少样本设置下的所有指标均优于现有基线方法，同时在Disambig-F1和Disambig-ROUGE指标上超越了使用完整训练集训练的完全监督基线。代码已开源：github.com/gankim/tree-of-clarifications。