CLARINET: पुनः प्राप्ति के लिए स्पष्टीकरण प्रश्न पूछने के लिए भाषा मॉडलों को बढ़ाना

उपयोगकर्ता अक्सर अस्पष्ट अनुरोध करते हैं जिन्हें स्पष्टीकरण की आवश्यकता होती है। हम एक सूचना पुनः प्राप्ति सेटिंग में स्पष्टीकरण प्रश्न पूछने की समस्या का अध्ययन करते हैं, जहाँ सिस्टम अक्सर अस्पष्ट खोज क्वेरी का सामना करते हैं और पुनः प्राप्ति मॉडल में असमंजस को एक प्राकृतिक भाषा प्रश्न में बदलना चुनौतीपूर्ण होता है। हम CLARINET प्रस्तुत करते हैं, एक ऐसा सिस्टम जो सूचनात्मक स्पष्टीकरण प्रश्न पूछता है, ऐसे प्रश्न चुनकर जिनके उत्तर सही उम्मीदवार में निश्चितता को अधिकतम करेंगे। हमारा दृष्टिकोण एक बड़े भाषा मॉडल (LLM) को पुनः प्राप्ति वितरण पर कंडीशन करने के लिए बढ़ाता है, प्रत्येक चरण में वास्तविक उम्मीदवार के रैंक को अधिकतम करने वाले प्रश्न का उत्पादन करने के लिए एंड-टू-एंड फाइनट्यूनिंग करता है। पुस्तकों की खोज करने वाले उपयोगकर्ताओं के एक वास्तविक दुनिया पुनः प्राप्ति डेटासेट पर मूल्यांकन करने पर, हमारा सिस्टम पुनः प्राप्ति सफलता पर पारंपरिक हीयुरिस्टिक्स जैसे सूचना लाभ से 17% और वानिला-प्रोम्प्टेड LLMs से 39% अंकिनन बेहतर प्रदर्शन करता है।