PACIFIC

为了促进金融混合环境中的对话问题回答 (CQA)，我们提出了一个名为PACIFIC的新数据集。与现有的CQA数据集相比，PACIFIC具有三个主要特征 :( i) 主动性，(ii) 数值推理以及 (iii) 表格和文本的混合上下文。相应地定义了一个新任务来研究主动对话问题回答 (PCQA)，该任务结合了澄清问题生成和CQA。此外，我们提出了一种新颖的方法，即UniPCQA，将PCQA中的输入和输出内容的混合格式改编为Seq2Seq问题，包括将数值推理过程重新表述为代码生成。UniPCQA对PCQA中的所有子任务执行多任务学习，并结合了一个简单的集成策略，通过交叉验证top-k采样Seq2Seq输出来缓解多任务学习中的错误传播问题。我们用广泛的基线对太平洋数据集进行基准测试，并对PCQA的每个子任务进行全面评估。