arXiv cs.AI· Xiang Liu, Haochen Ding·· 1 天前AI 评分24
面向不同查询的文本片段在线证据包含关系预测（OECP）
Online Evidence-Containment Prediction over Text Spans under Distinct Queries
AI 导读
研究者将嵌套文本区域的顺序验证形式化为 Online Evidence-Containment Prediction（OECP），即不同查询下的在线等渗回归，最坏情况 regret 为近线性的 Θ̃(m_eff)。
正文 · AI 翻译
摘要：基于证据的 NLP 系统通常按顺序验证嵌套的文本区域，因此验证一个区域会约束其他区域。我们将其形式化为在线证据包含预测（OECP）：每个候选在精确验证之前被预测，且最多查询一次。跨度包含恰好是一个三角形二维乘积序，这使得 OECP 成为不同查询的在线等渗回归。在存在多个可接受目标时，最坏情况遗憾在由端点秩压缩给出的有效规模下接近线性，即 $\widetilde{\Theta}(m_{\mathrm{eff}})$；而在标准 QA 中那样的单一固定目标下，存在一个显式的多项式时间学习器，其遗憾为最优的 $\Theta(\log m_{\mathrm{eff}})$，并在真实 NQ 片段上运行。在 Natural Questions 上，包含关系带来了较大的演绎增益，并在未解决的候选上带来了较小的学习增益，这一结果在两个骨干网络和 DPR 层级上均得到复现。期望搜索空间缩减（ESR）将这些概率转化为决策，在 SciFact、ERASER 和 DPR 层级上以更少的验证器调用定位证据；在调用预算下的 DPR 层级上，它优于四个近期的外部选择器，并在固定读取器 F1 上优于学习和生成器贪心调度。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41384 [cs.AI] |
| （或 arXiv:2610.41384v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41384 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xiang Liu [查看电子邮件]
[v1]
2026年10月30日星期五 07:47:30 UTC（2,187 KB）
来源：arXiv cs.AI · arxiv.org