大規模言語モデルの答案生成能力を向上させるため、検索結果の統合方法を探索し、不確実性のモデル化と事後融合の活用が有効であることを示した。
大規模言語モデルを用いた質問応答システムでは、作り話に基づく誤った回答が生成されることがある。本研究では、適合予測を用いて、検索補強型質問応答システムに対して、回答の正解性を統計的に保証する手法を提案する。
多粒度の証拠情報(段落レベルと文レベル)を活用することで、質問に対する正確な回答生成を実現する。
ファクトイド質問に対するヒントを自動生成することで、人間の認知能力の刺激と維持、および人間の優れた推論スキルの確保を目指す。