개방형 도메인 질의 응답을 위한 생성 증강 검색

개방형 도메인 질문에 대한 답변을 위해 우리는 외부 자원을 활용하지 않고 휴리스틱적으로 탐색된 관련 맥락을 텍스트 생성을 통해 질의를 보강하는 Generation-Augmented Retrieval(GAR)을 제안한다. 본 연구에서는 생성된 맥락이 질의의 의미를 상당히 풍부하게 한다는 점을 입증하며, 희소 표현(BM25)을 사용한 GAR가 DPR과 같은 최신 밀도 기반 검색 방법과 비교해 유사하거나 더 뛰어난 성능을 달성함을 보여준다. 또한, 동일한 질의에 대해 다양한 맥락을 생성하는 것이 유익함을 입증하였으며, 이러한 결과들을 융합함으로써 일관되게 더 높은 검색 정확도를 얻을 수 있음을 확인하였다. 더불어 희소 표현과 밀도 표현은 종종 상호보완적인 관계이므로, GAR는 DPR과 쉽게 결합되어 더욱 뛰어난 성능을 발휘할 수 있다. 추출형 QA 설정에서 Natural Questions 및 TriviaQA 데이터셋에서 GAR는 추출형 리더를 갖추었을 때 최신 기술 수준의 성능을 달성하며, 동일한 생성형 리더를 사용할 경우 다른 검색 방법들보다 일관되게 우수한 성능을 보여준다.