多风格生成式阅读理解

本研究致力于生成式阅读理解（RC），该任务包括基于文本证据回答问题和自然语言生成（NLG）。我们提出了一种用于问答的多风格抽象摘要模型，称为Masque。所提出的模型具有两个关键特点。首先，与大多数集中在从给定段落中提取答案范围的RC研究不同，我们的模型侧重于从问题和多个段落中生成摘要。这有助于涵盖实际应用所需的多种答案风格。其次，由于难以构建一个通用模型来应对所有答案风格，以往的研究为每种风格构建了特定的模型；而我们的方法则在一个模型内学习多种风格的答案，以提高所有相关风格的NLG能力。这也使得我们的模型能够在目标风格下给出答案。实验结果表明，我们的模型在MS MARCO 2.1的问答任务和问答+自然语言生成任务以及NarrativeQA的摘要任务上均达到了最先进的性能。我们观察到，将风格独立的NLG能力迁移到目标风格是其成功的关键。