摘要
当前的一阶段“检索-阅读”问答（QA）系统在回答诸如“《Armada》的作者所著的哪部小说将由史蒂文·斯皮尔伯格改编为电影？”这类问题时面临挑战，原因在于此类问题通常缺乏关于缺失实体（此处指作者）的可检索线索。要回答这类问题，需要进行多跳推理——即首先获取缺失实体（或相关事实）的信息，才能继续推进后续推理过程。为此，我们提出 GoldEn（Gold Entity）检索器，该模型通过在阅读上下文与检索更多支持性文档之间进行迭代，以应对开放域多跳问答任务。与使用不透明且计算成本高昂的神经检索模型不同，GoldEn 检索器基于问题和已有上下文生成自然语言形式的搜索查询，并利用现成的信息检索系统来查找缺失实体。这一设计使得 GoldEn 检索器在实现高效扩展的同时，保持了良好的可解释性。我们在近期提出的开放域多跳问答数据集 HotpotQA 上对 GoldEn 检索器进行了评估，结果表明，尽管未采用 BERT 等预训练语言模型，其性能仍优于此前已发表的最佳模型。