Key points are not available for this paper at this time.
لقد اكتسبت الإجابة عن الأسئلة (QA) عبر الجداول والنصوص شعبية كبيرة على مر السنين. تتطلب الإجابة عن الأسئلة متعددة القفزات بين الجدول والنص عدة قفزات، مما يجعلها مهمة صعبة. على الرغم من أن العديد من الأعمال قد حاولت حل مهمة الإجابة عن الأسئلة بالجداول والنصوص، إلا أن معظمها يتطلب تدريب النماذج وبيانات موسومة. في هذه الورقة، اقترحنا نموذجًا - TTQA-RS: نهج التحفيز لتفكيك الإجابة عن الأسئلة متعددة القفزات على الجداول والنصوص مع التفكير والتلخيص. يستخدم نموذجنا المعرفة المعززة بما في ذلك ملخص الجداول والنصوص مع أسئلة فرعية مفككة مع إجابة للإجابة بناءً على التفكير حول الإجابة عن الأسئلة بالجداول والنصوص. باستخدام نماذج لغة مفتوحة المصدر، تفوق نموذجنا على جميع طرق التحفيز الموجودة لمهام الإجابة عن الأسئلة بالجداول والنصوص على مجموعات بيانات QA مثل HybridQA ومجموعة تطوير OTT-QA. نتائجنا قابلة للمقارنة مع النماذج الأفضل من حيث التدريب، مما يظهر إمكانات الأساليب المعتمدة على التحفيز باستخدام نماذج LLMs مفتوحة المصدر. بالإضافة إلى ذلك، باستخدام GPT-4 مع LLaMA3-70B، حقق نموذجنا أداءً رائدًا في الأساليب المعتمدة على التحفيز على الإجابة عن الأسئلة متعددة القفزات بالجداول والنصوص.
درس باردان وزملاؤه هذا السؤال.