이 논문은 개방 도메인 사실 검증 작업에서 문장 수준의 증거를 효율적으로 검색하는 방법을 제안한다. 기존의 문서 수준 검색 모델은 문서 내 문장 간 의미적 차이를 충분히 반영하지 못하는 문제가 있다. 이를 해결하기 위해 저자들은 다중 작업 학습과 혼합 목적 학습 프레임워크를 활용하여 문장 수준 표현을 학습하는 M3 모델을 제안한다.
M3는 반복적인 문장 검색 및 재순위화 과정을 통해 다중 홉 증거를 효과적으로 검색한다. 또한 단일 홉 및 다중 홉 검색 결과를 동적으로 결합하는 하이브리드 순위화 알고리즘을 제안한다. 실험 결과, M3는 FEVER 벤치마크 데이터셋에서 최신 성능을 달성했다.
翻譯成其他語言
從原文內容
arxiv.org
深入探究