ConvFinQA: 대화형 금융 질의응답에서 수치 추론 체인 탐구

최근 대규모 사전 학습된 언어 모델의 발전에 따라 연구자들은 주로 언어 패턴 매칭에 초점을 맞춘 자연어처리(NLP) 작업에서 기록적인 성능을 달성하고 있다. 이에 따라 연구 공동체는 언어를 모델링하는 것에서 인간처럼 복잡한 추론 능력을 모방하는 것에 대한 도전으로 전환되고 있다. 본 연구에서는 현실 세계의 복잡한 수치 추론을 포함하는 금융 분야의 적용 영역을 탐구한다. 우리는 대화형 질의응답에서 수치 추론의 흐름을 연구하기 위해 새로운 대규모 데이터셋인 ConvFinQA를 제안한다. 이 데이터셋은 현실 세계의 대화에서 장거리에 걸친 복잡한 수치 추론 경로를 모델링하는 데 있어 큰 도전 과제를 제시한다. 우리는 신경 기반 기호적 방법과 프롬프팅 기반 방법을 활용하여 종합적인 실험과 분석을 수행함으로써, 두 분야의 추론 메커니즘에 대한 통찰을 제공한다. 우리는 본 데이터셋이 다음 연구의 초점이 될 현실 세계의 복잡한 추론 작업 탐색을 촉진하는 귀중한 자원이 될 것이라 믿는다. 본 데이터셋과 코드는 https://github.com/czyssrs/ConvFinQA에서 공개되어 있다.