초록
대화형 기계 이해는 이전의 질문/답변 쌍, 문서 문맥, 그리고 현재의 질문과 같은 대화 역사에 대한 이해가 필요합니다. 전통적인 단일 턴 모델이 대화 역사를 포괄적으로 인코딩할 수 있도록, 우리는 중간 표현을 생성하는 과정에서 이전 질문에 대한 답변을 통합할 수 있는 메커니즘인 Flow를 소개합니다. 이 메커니즘은 교차 병렬 처리 구조를 통해 작동합니다. 이전 질문/답변을 입력으로 연결하는 접근 방식과 비교했을 때, Flow는 대화 역사의 잠재적 의미를 더 깊게 통합합니다. 우리의 모델인 FlowQA는 두 개의 최근 제안된 대화형 도전 과제(CoQA에서 7.2% F1 점수 상승, QuAC에서 4.0% F1 점수 상승)에서 우수한 성능을 보여주었습니다. Flow의 효과성은 다른 작업에서도 나타납니다. 순차적 지시어 이해를 대화형 기계 이해로 축소함으로써, FlowQA는 SCONE의 세 가지 영역 모두에서 최고 모델보다 뛰어난 성능을 보였으며, 정확도가 1.8%에서 4.4%까지 향상되었습니다.