초록
우리는 기계 독해 이해에서 다단계 추론을 시뮬레이트하는 간단하면서도 강건한 확률적 답변 네트워크(SAN, Stochastic Answer Network)를 제안합니다. 이전 연구인 ReasoNet이 강화 학습을 사용하여 단계 수를 결정한 것과 비교할 때, 본 연구의 독특한 특징은 신경망의 답변 모듈(최종 계층)에서 훈련 중에 일종의 확률적 예측 드롭아웃을 사용하는 것입니다. 우리는 이 간단한 트릭이 강건성을 개선하고 스탠퍼드 질문 답변 데이터셋(SQuAD), 적대적 SQuAD, 그리고 마이크로소프트 기계 독해 이해 데이터셋(MS MARCO)에서 최신 연구 결과와 경쟁력 있는 성능을 달성함을 보여줍니다.