利用生成模型结合段落检索实现开放域问答

无需依赖外部知识，开放域问答的生成式模型已展现出较强的竞争力。尽管前景可观，但此类方法通常需要使用参数量达数十亿的模型，导致训练和推理成本高昂。本文探讨了检索文本片段（可能包含证据）对这类模型所能带来的收益。我们在自然问题（Natural Questions）和TriviaQA这两个开放域基准测试上取得了当前最优的结果。有趣的是，我们发现随着检索到的文本片段数量增加，该方法的性能显著提升。这一现象表明，生成式模型在整合与融合多段文本证据方面具有优异的能力。