Harnessing Multi-Role Capabilities of Large Language Models for Open-Domain Question Answering

本篇文章属于LLM系列内容，主要对《Harnessing Multi-Role Capabilities of Large Language Models for Open Domain Question Answering》这一文献进行翻译工作。

利用大型语言模型的多角色能力进行开放领域问答

• 摘要
  • 1 引言
  • 2 相关研究
  • 3 技术手段
  • 4 测试分析
  • 5 总结归纳

摘要内容提炼

开放域问答（ODQA）已经成为信息系统领域备受关注的研究方向。目前，证据收集的方法主要分为两种类型：第一种是先检索后阅读的范式，其核心是从外部语料库中筛选出相关文档；第二种则是先生成后读取的范式，通过大型语言模型（LLM）来创建相关文档。然而，这两种方法均难以全面满足对证据提出的多样化需求。为了解决这一问题，我们设计了LLMQA框架，这是一个通用的结构，将ODQA流程归纳为三个关键阶段：查询扩展、文档选取和答案生成，并融合了基于检索与基于生成方式的优势。鉴于LLM在各类任务中展现出卓越的能力，我们在框架内部引导其承担生成器、重新排序器以及评估器等多重职责，并将其整合于ODQA流程中协同运作。同时，我们还提出了一种全新的提示优化算法__，用于进一步完善角色扮演提示内容，并促使LLM产出更优质的证据与答案。通过对多个广泛应用的标准测试集（如NQ