« Multi-hop question answering » : différence entre les versions


(Page créée avec « == en construction == == Définition == Ensemble de tâches dans lesquelles un '''système d’IA''' doit fournir une réponse à une question complexe formulée en '''langage naturel''' en enchaînant des étapes de '''raisonnement''' – appelées « sauts » (''hop'' en anglais) – à partir de plusieurs éléments d’information disjoints, généralement dispersés dans des documents, des phrases ou des nœuds d’une... »)
 
Aucun résumé des modifications
 
Ligne 4 : Ligne 4 :
Ensemble de tâches dans lesquelles un '''[[Intelligence artificielle|système d’IA]]''' doit fournir une réponse à une question complexe formulée en '''[[langage naturel]]''' en enchaînant des étapes de '''[[raisonnement]]''' – appelées « sauts » (''hop'' en anglais) – à partir de plusieurs éléments d’information disjoints, généralement dispersés dans des documents, des phrases ou des nœuds d’une '''[[base de connaissances]]'''.
Ensemble de tâches dans lesquelles un '''[[Intelligence artificielle|système d’IA]]''' doit fournir une réponse à une question complexe formulée en '''[[langage naturel]]''' en enchaînant des étapes de '''[[raisonnement]]''' – appelées « sauts » (''hop'' en anglais) – à partir de plusieurs éléments d’information disjoints, généralement dispersés dans des documents, des phrases ou des nœuds d’une '''[[base de connaissances]]'''.


Voir aussi '''[[réseau neuronal de graphes]]'''
Voir aussi '''[[multi-hop reasoning]]''' et '''[[réseau neuronal de graphes]]'''


== Compléments ==
== Compléments ==

Dernière version du 14 septembre 2026 à 12:21

en construction

Définition

Ensemble de tâches dans lesquelles un système d’IA doit fournir une réponse à une question complexe formulée en langage naturel en enchaînant des étapes de raisonnement – appelées « sauts » (hop en anglais) – à partir de plusieurs éléments d’information disjoints, généralement dispersés dans des documents, des phrases ou des nœuds d’une base de connaissances.

Voir aussi multi-hop reasoning et réseau neuronal de graphes

Compléments

Intègre des modules de recherche, de compréhension de texte et de déduction afin de surmonter la dérive sémantique (semantic shift) et les raccourcis de raisonnement.

Français

XXXXXXXXX

Anglais

multi-hop question answering

MHQA

Sources

Source : Arxiv

Source : Emergent Mind

Contributeurs: Arianne Arel