TaLenT 图问答可学习检索框架发布

研究人员提出并发布了 TaLenT 框架，这是一个基于 LLM 的端到端检索器-生成器框架，专门针对文本图问答（GraphQA）任务。该框架旨在解决当前方法中普遍存在的架构设计与检索监督缺失问题。 通过引入可学习的 LLM 检索器与微调后的生成器协同工作，TaLenT 利用金标答案信号对伪标签进行分层加权，以平衡证据覆盖度与相关性。这一机制使得模型在检索环节能够获得更高质量的结构化知识支持。 实验结果显示，在三个 GraphQA 数据集上，TaLenT 一致地提升了下游任务的性能。该框架为结合结构化知识与大型语言模型的图问答提供了一条新的端到端技术路径，相关成果发表于 arXiv NLP 领域。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。