摘要
现有的开放域问答（QA）方法通常针对仅需单跳推理或多重跳推理的问题进行设计，这类方法对问题复杂性做出了较强假设。此外，多步文档检索过程常会引入大量相关但不支持答案的文档，从而增加下游对噪声敏感的阅读理解模块在答案抽取时的干扰。为应对上述挑战，本文提出一种统一的QA框架，用于回答任意跳数的开放域问题。该框架通过迭代式地进行文档检索、重排序与过滤，并自适应地判断何时终止检索过程。为提升检索准确性，我们进一步提出一种基于图结构的重排序模型，将多文档间的交互作为迭代重排序框架的核心机制。实验结果表明，该方法在单跳与多跳开放域QA数据集（包括Natural Questions Open、SQuAD Open和HotpotQA）上均能持续取得与当前最先进方法相当或更优的性能。