ハイブリッドチェーンを用いたテーブルおよびテキストオープンドメインQAにおける推論

表形式と文章形式の質問応答は、テーブルの構造やテーブルと文章の間の関係を考慮した異種情報に対する推論をシステムに求めます。本論文では、ChAin-centric Reasoning and Pre-trainingフレームワーク（CARP）を提案します。CARPは、質問応答においてテーブルと文章の間で明示的な中間推論プロセスをモデル化するためのハイブリッドチェーンを活用しています。さらに、モダリティ間の推論プロセスを識別する能力を強化し、データのスパース性問題を緩和するための新しいチェーン中心型事前学習手法を提案しました。この手法は、Wikipediaから擬似的な異種推論パスを合成し、それに応じた質問を生成することで大規模な推論コーパスを構築します。我々のシステムは、大規模なテーブル・文章型オープンドメイン質問応答ベンチマークであるOTT-QA上で評価され、最先端の性能を達成しました。さらなる分析から、明示的なハイブリッドチェーンが中間推論プロセスの性能向上と解釈可能性の向上に著しく寄与することが示され、チェーン中心型事前学習がチェーン抽出性能の向上に効果を発揮することが確認されました。