Neural Conversational QA

神经对话 QA 任务（如 ShARC）要求系统根据给定段落的内容回答问题。在研究最近关于 ShARC QA 任务的最先进模型时，我们发现模型学习数据集中虚假线索/模式的迹象。此外，为利用这些模式而构建的基于启发式的程序具有与神经模型相比的性能。在本文中，我们分享了我们对 ShARC 语料库中四种模式以及神经模型如何利用它们的发现。受上述发现的启发，我们创建并共享了一个修改后的数据集，该数据集的虚假模式比原始数据集更少，从而使模型能够更好地学习。