하이브리드 체인을 통한 테이블 및 텍스트 오픈 도메인 QA에 대한 추론

표현형 및 텍스트 기반 질문 응답은 표의 구조와 표 및 텍스트 간의 연결을 고려하여 이질적인 정보에 대한 추론을 수행해야 하는 과제를 포함한다. 본 논문에서는 ChAin 중심의 추론 및 사전 훈련 프레임워크(CARP)를 제안한다. CARP는 질문 응답을 위한 표와 텍스트 간의 명시적인 중간 추론 과정을 모델링하기 위해 하이브리드 체인(hybrid chain)을 활용한다. 또한, 다중 모달리티 추론 과정을 식별하는 능력과 데이터 희소성 문제를 완화하기 위해 새로운 체인 중심 사전 훈련 방법을 제안한다. 이 방법은 위키백과에서 가상의 이질적 추론 경로를 합성하여 대규모 추론 코퍼스를 구축하고, 해당 코퍼스에 대응하는 질문을 생성한다. 제안한 시스템은 대규모 표 및 텍스트 기반 개방형 질문 응답 벤치마크인 OTT-QA에서 평가되었으며, 최신 기술 수준(SOTA)의 성능을 달성하였다. 추가 분석을 통해 명시적인 하이브리드 체인이 중간 추론 과정의 성능 향상과 해석 가능성 측면에서 큰 기여를 하며, 체인 중심 사전 훈련이 체인 추출 성능을 향상시킨다는 점이 입증되었다.