答案只是开始：基于文档的开放式 QA 的相关见解生成

回答开放式问题对于人工智能系统来说仍然具有挑战性，因为它需要事实检索之外的综合、判断和探索，而且用户经常通过多次迭代来完善答案，而不是接受单一的答案。现有的 QA 基准并不明确支持这种细化过程。为了解决这一差距，我们引入了一项新任务，即基于文档的相关洞察生成，其目标是从文档集合中生成额外的洞察，帮助改进、扩展或重新思考开放式问题的初始答案，最终支持更丰富的用户交互和更好的整体问答体验。我们策划并发布了 SCOpE-QA（开放式 QA 科学馆藏），这是一个包含 20 个研究馆藏的 3,000 个开放式问题的数据集。我们提出了 InsightGen，这是一种两阶段方法，首先使用聚类构建文档集合的主题表示，然后根据主题图中的邻域选择来选择相关上下文，以使用 LLM 生成多样化且相关的见解。使用两种生成模型和两种评估设置对 3,000 个问题进行的广泛评估表明，InsightGen 始终如一地产生有用、相关且可操作的见解，为这项新任务建立了强有力的基线。