
要約
対話型機械理解は、過去の質問/回答ペア、文書のコンテクスト、および現在の質問などの会話履歴を理解する必要があります。従来の単一ターンモデルが履歴を包括的にエンコードするために、私たちはフロー(Flow)という機構を導入しました。これは、過去の質問への回答プロセスで生成された中間表現を交互並列処理構造を通じて組み込むことができます。過去の質問/回答を入力として連結する手法と比較して、フローは会話履歴の潜在的な意味論をより深く統合します。私たちのモデルであるFlowQAは、最近提案された2つの対話型課題において優れた性能を示しています(CoQAではF1スコアが+7.2%向上し、QuACでは+4.0%向上しています)。フローの有効性は他のタスクでも示されており、順次指示理解を対話型機械理解に還元することで、FlowQAはSCONEの3つのドメインすべてで最良のモデルを超える性能を発揮し、精度が+1.8%から+4.4%向上しています。