要約
ドキュメントに対する質問応答（QA）のためのニューラルモデルは、著しい性能向上を達成しています。これらのモデルは効果的であるものの、ドキュメントと質問との間の複雑な相互作用をモデル化するため、大規模コーパスへの拡張が困難です。さらに、最近の研究では、これらのモデルが敵対的な入力に対して敏感であることが示されています。本論文では、質問に回答するために必要な最小限のコンテキストについて検討し、既存のデータセットにおける大多数の質問が少数の文で回答可能であることを発見しました。この観察に基づいて、QAモデルに入力する最小限の文を選択する単純な文選択器を提案します。我々の全体システムは、SQuAD、NewsQA、TriviaQAおよびSQuAD-Openにおいて最先端と同等かそれ以上の精度を維持しながら、学習時間（最大15倍）と推論時間（最大13倍）を大幅に削減します。また、実験結果と分析から、我々のアプローチが敵対的な入力に対してより堅牢であることが示されました。