문서에서 최소한의 문맥으로 효율적이고 강건한 질문 응답 수행

문서에 대한 질문 응답(QA)을 위한 신경망 모델은 상당한 성능 향상을 이룩하였습니다. 그러나 이러한 모델들은 문서와 질문 간의 복잡한 상호작용을 모델링하기 때문에 대규모 문헌에는 확장성이 부족합니다. 또한, 최근 연구에서는 이러한 모델들이 적대적 입력에 민감하다는 점이 밝혀졌습니다. 본 논문에서는 질문을 응답하기 위해 필요한 최소한의 맥락을 연구하였으며, 기존 데이터셋의 대부분 질문이 소수의 문장으로 해결될 수 있다는 사실을 발견하였습니다. 이 관찰 결과를 바탕으로, QA 모델에 입력할 최소한의 문장 집합을 선택하는 간단한 문장 선택기를 제안합니다. 전체 시스템은 SQuAD, NewsQA, TriviaQA 및 SQuAD-Open에서 최신 기술과 유사하거나 더 우수한 정확도를 유지하면서 학습 시간(최대 15배)과 추론 시간(최대 13배)을 크게 단축시킬 수 있었습니다. 더욱이, 실험 결과와 분석은 우리의 접근 방식이 적대적 입력에 대해 더 강건함을 보임을 입증하였습니다.