TEMPRAGEVAL

TEMPRAGEVAL是一个用于时间敏感问答系统的基准数据集，由南洋理工大学等机构创建。该数据集通过重新利用TIMEQA和SITUATEDQA数据集，并引入时间扰动和人工标注的黄金证据，旨在评估检索系统在时间推理任务中的表现。数据集包含1000个测试样本，涵盖常见和罕见实体，适用于评估检索增强生成系统的时间推理能力。TEMPRAGEVAL的创建过程包括对原始问题进行时间扰动和证据标注，旨在解决时间敏感问答中的检索和生成问题。

TEMPRAGEVAL is a benchmark dataset for time-sensitive question answering systems, developed by institutions including Nanyang Technological University and others. This dataset repurposes the TIMEQA and SITUATEDQA datasets, introduces temporal perturbations and manually annotated gold standard evidence, and is designed to evaluate the performance of retrieval systems in temporal reasoning tasks. It contains 1,000 test samples covering both common and rare entities, making it suitable for assessing the temporal reasoning capabilities of retrieval-augmented generation (RAG) systems. The creation process of TEMPRAGEVAL involves applying temporal perturbation and evidence annotation to the original questions, aiming to address the retrieval and generation challenges in time-sensitive question answering.

搜集汇总

数据集介绍

构建方式

TEMPRAGEVAL数据集通过重新利用现有的TIMEQA和SITUATEDQA数据集构建，引入了时间扰动和黄金证据标签。具体而言，研究团队对原始问题进行了时间约束的修改，例如将‘截至2019年’改为‘2020年至2021年之间’，并确保答案在扰动后仍然一致。此外，为了更好地评估检索系统的性能，数据集还包含了手动标注的黄金证据，这些证据来自维基百科页面，用于验证检索结果的准确性。

特点

TEMPRAGEVAL数据集的主要特点在于其专注于时间敏感的问题回答任务，引入了时间扰动和黄金证据标注，从而能够系统性地评估检索系统在时间推理方面的能力。数据集中的问题涵盖了不同难度级别，包括常见和罕见实体，且每个问题都附带了至少两个黄金证据段落，确保了检索评估的准确性。此外，数据集的设计使得现有的检索方法在处理时间推理密集型问题时表现不佳，从而凸显了该数据集的挑战性。

使用方法

TEMPRAGEVAL数据集主要用于评估和改进时间敏感问题回答系统中的检索模块。研究者可以使用该数据集来测试现有检索方法在处理时间推理密集型问题时的性能，并通过对比不同检索系统的结果，识别其在时间推理方面的不足。此外，数据集还可以用于训练和验证新的检索框架，如MRAG，该框架通过模块化的方式将语义检索与时间推理分离，从而提升检索性能。通过在TEMPRAGEVAL上的实验，研究者可以进一步优化检索系统，提升最终答案的准确性。

背景与挑战

背景概述

TEMPRAGEVAL数据集由南洋理工大学、纽约大学上海分校、浙江大学等机构的研究人员共同开发，旨在解决时间敏感问题回答（Time-Sensitive Question Answering, TSQA）领域的挑战。该数据集通过对现有数据集进行时间扰动和黄金证据标注，系统性地评估了现有检索增强生成（Retrieval-Augmented Generation, RAG）系统在时间推理密集型问题上的表现。TEMPRAGEVAL的创建时间为2024年，其核心研究问题是如何在不更新大型语言模型（LLMs）参数的情况下，有效处理时间敏感问题。该数据集的引入为TSQA领域提供了新的诊断基准，推动了时间推理密集型检索技术的发展。

当前挑战

TEMPRAGEVAL数据集面临的挑战主要集中在两个方面：一是时间敏感问题回答领域的挑战，即如何在不更新LLMs参数的情况下，准确回答涉及时间推理的问题；二是数据集构建过程中遇到的挑战，包括如何通过时间扰动生成更具挑战性的问题，以及如何为每个问题标注黄金证据以进行更准确的检索评估。现有检索方法在处理时间推理密集型问题时表现不佳，尤其是在面对时间扰动问题时，检索性能显著下降。此外，构建过程中需要手动标注大量证据，增加了数据集的构建难度。

常用场景

经典使用场景

TEMPRAGEVAL数据集的经典使用场景主要集中在时间敏感型问答任务中，特别是在需要进行复杂时间推理的场景下。该数据集通过引入时间扰动和黄金证据标签，评估现有检索方法在处理时间敏感问题时的表现。例如，在回答“谁是2019年的英国首相？”这类问题时，系统需要结合时间信息进行深度推理，以确保检索到的文档与问题中的时间约束相匹配。

实际应用

TEMPRAGEVAL数据集在实际应用中具有广泛的应用场景，特别是在需要处理时间敏感信息的领域，如新闻检索、历史事件查询和实时问答系统。例如，在新闻检索中，用户可能会询问“2021年5月的英国首相是谁？”这类问题，系统需要结合时间信息进行检索和推理，以提供准确的答案。此外，在历史事件查询中，用户可能会询问特定时间点的事件，系统需要通过时间推理来检索相关文档。

衍生相关工作

TEMPRAGEVAL数据集的提出催生了一系列相关的经典工作，特别是在时间敏感型问答和检索增强生成领域。例如，MRAG框架的提出，通过模块化设计将问题处理、检索和摘要生成以及语义-时间混合排序相结合，显著提升了时间敏感型问答的性能。此外，TEMPRAGEVAL还启发了其他研究者开发新的时间推理基准，如BRIGHT和TRAM，进一步推动了时间敏感型问答和检索技术的发展。