MRAG: A Modular Retrieval Framework for Time-Sensitive Question Answering
Nanyang Technological University（南洋理工大学）；Alibaba-NTU JRI（阿里巴巴-南洋理工大学联合研究院）；NYU Shanghai（上海纽约大学）；Zhejiang University（浙江大学）；Center for Data Science, New York University（纽约大学数据科学中心）
针对大语言模型问答系统在时间敏感问题上的推理短板，该研究提出无需训练的模块化检索框架MRAG，构建TempRAGEval基准，实验证明其检索性能和答案准确率均优于基线方法。
2025-05-21 cs.CL
UnSeenTimeQA: Time-Sensitive Question-Answering Beyond LLMs' Memorization
Arizona State University（亚利桑那州立大学）；New Mexico State University（新墨西哥州立大学）；University of Arizona（亚利桑那大学）
本文提出无数据污染的时敏问答基准 UnSeenTimeQA，通过合成事实和三类时敏问题评估 LLMs 的真实时间推理能力，发现其在长距离依赖和并行事件上表现不足。
2025-06-02 cs.CL
Question Answering as Programming for Solving Time-Sensitive Questions
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Microsoft（微软）
针对LLMs因无法基于表层语义进行严格推理而难以解决时间敏感问答的问题，提出QAaP框架，将问答任务转化为编程任务，通过生成结构化代码从候选答案中选择最佳匹配项，在多个数据集上取得显著提升。
2023-10-20 cs.CL
Knowledge Pull Requests for Continual Document Authoring
Johns Hopkins University（约翰霍普金斯大学）
提出知识拉取请求（KPRs）框架，通过提取、过滤、路由声明并标记冲突，实现可解释的持续文档修订，在维基百科跨语言修订和RAGTIME报告中优于重写或重新生成，并提升问答依据。
2026-09-23 cs.CL
Fine-Tuning vs. RAG for Multi-Hop Question Answering with Novel Knowledge
本文比较了微调与RAG在多跳问答中处理新颖知识的效果，发现RAG在时间新颖信息问答中表现更优，而有监督微调整体准确率最高。
2026-01-11 cs.CL cs.LG
Continually Improving Extractive QA via Human Feedback
Cornell University（康奈尔大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本研究设计部署迭代方法，通过人类用户反馈持续改进抽取式QA系统，经数千次用户交互实验验证，该方法在不同数据模式下均有效，且在领域适配方面潜力显著。
2023-11-03 cs.AI cs.CL cs.LG
Evaluating Answer Reranking Strategies in Time-sensitive Question Answering
University of Innsbruck（因斯布鲁克大学）
本文研究了时间敏感问答中答案时间特征的影响，通过探索多种简单的答案选择技术，发现时间特征在从历时性文档集合中选择最相关答案中起关键作用，并揭示了显式与隐式时间问题间的差异。
2025-03-06 cs.CL cs.IR
Small LLMs for Medical NLP: a Systematic Analysis of Few-Shot, Constraint Decoding, Fine-Tuning and Continual Pre-Training in Italian
Fondazione Bruno Kessler（布鲁诺·克瑟基金会）；University of Padova（帕多瓦大学）
本文研究了小型LLMs在医疗NLP中的应用，发现微调和约束解码能有效提升性能，最佳模型在多个任务中表现优于大模型。
2026-02-19 cs.CL
Psycholinguistics meets Continual Learning: Measuring Catastrophic Forgetting in Visual Question Answering
CIMeC（心智与脑科学中心）；IT University of Copenhagen（哥本哈根信息技术大学）；University of Amsterdam（阿姆斯特丹大学）；University of Trento（特伦托大学）
我们研究的背景下，灾难性遗忘问题的视觉问答（VQA）的神经多模态方法。受心理语言学证据的启发，我们设计了一组语言学信息的VQA任务，这些任务的不同之处在于所涉及的问题类型（Wh-问题和极性问题）。我们测试了任务难度对持续学习的影响，以及儿童获得问题类型的顺序是否有助于计算模型。我们的研究结果表明，戏剧性的遗忘是在发挥作用，任务的难度和顺序的问题。两种众所周知的当前持续学习方法仅在有限程度上缓解了该问题。
2019-06-10 cs.CL
Incremental Reading for Question Answering
University of Amsterdam（阿姆斯特丹大学）；Google（谷歌）
任何一个执行目标导向的持续学习的系统，不仅必须增量地学习，而且必须增量地处理和吸收信息。这样的系统还必须了解其目标何时实现。在本文中，我们认为这些问题的背景下，问答。当前最先进的问答模型是对整个段落进行推理，而不是递增。正如我们将要展示的那样，简单的增量阅读方法，比如在模型中限制单向语言模型，性能很差。我们提出了对DocQA [2]模型的扩展，以允许增量读取而不损失准确性。该模型还联合学习提供迄今为止看到的文本的最佳答案，并预测这个迄今为止最好的答案是否足够。
2019-01-15 cs.AI cs.CL
Enhancing Temporal Sensitivity and Reasoning for Time-Sensitive Question Answering
University of Technology Sydney（悉尼科技大学）；University of Liverpool（利物浦大学）
本文提出结合时间信息感知嵌入与粒度对比强化学习的新框架，以增强大模型的时间敏感性与推理能力，并在四个TSQA数据集上显著超越现有模型。
2024-09-29 cs.AI cs.CL
ProQA: Structural Prompt-based Pre-training for Unified Question Answering
Sun Yat-sen University（中山大学）；Tsinghua University（清华大学）；Langboat Technology（澜舟科技）；Microsoft Research Asia（微软亚洲研究院）；Chinese University of Hong Kong（香港中文大学）
问答（QA）是自然语言处理中的一个长期挑战。现有的问答工作大多集中在特定的问题类型，知识领域，或推理技能。QA研究的专业性阻碍了系统对任务之间的共性建模和更广泛应用的泛化。为了解决这个问题，我们提出了ProQA，一个统一的QA范式，通过一个单一的模型来解决各种任务。ProQA以统一的结构化提示为桥梁，通过基于结构化提示的预训练提高以QA为中心的能力。通过一个结构化设计的基于知识的输入模式，ProQA同时模型的知识概括的所有QA任务，同时保持知识定制的每一个特定的QA任务。此外，ProQA是预先训练的结构化的格式化的大规模合成语料库，这赋予了通常所需的QA能力的模型。在11个QA基准测试上的实验结果表明，ProQA在全数据微调、少样本学习和zero-shot测试场景下都能持续提高性能。此外，ProQA利用结构提示的优势，在持续学习和迁移学习方面表现出较强的能力。
2022-12-09 cs.CL
XLQA: A Benchmark for Locale-Aware Multilingual Open-Domain Question Answering
Department of Artificial Intelligence, Korea University（人工智能系，韩国大学）
本文提出XLQA多语言开放域问答基准，覆盖八种语言并区分区域敏感问题，评估五种多语言LLMs，揭示其区域知识不足及训练数据分布差异对语言能力和区域意识的影响。
2025-08-22 cs.CL
DiscoTrace: Representing and Comparing Answering Strategies of Humans and LLMs in Information-Seeking Question Answering
University of Maryland（马里兰大学）
DiscoTrace通过分析问答策略揭示社区回答偏好差异，发现LLM在回答时缺乏修辞多样性且倾向于广泛覆盖问题解释。
2026-09-02 cs.CL
A Question Answering Dataset for Temporal-Sensitive Retrieval-Augmented Generation
Laboratory for Big Data and Decision, National University of Defense Technology, Changsha, China（大数据与决策实验室，国防科技大学，长沙，中国）；Baidu Inc., Beijing, China（百度公司，北京，中国）；Department of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, China（计算机科学与技术系，哈尔滨工业大学（深圳），深圳，中国）
本文提出ChronoQA，一个基于30余万篇新闻构建的中文时间推理问答基准，覆盖绝对、聚合和相对时间类型及单/多文档场景，用于系统评估和推进时间敏感型RAG系统。
2025-08-17 cs.CL cs.IR
Towards Teachable Reasoning Systems: Using a Dynamic Memory of User Feedback for Continual System Improvement
Allen Institute for AI（艾伦人工智能研究所）
我们的目标是一个可教学的问答推理系统（QA），用户可以与忠实的答案解释进行交互，并纠正其错误，以便系统随着时间的推移而改进。我们的方法是增加一个QA模型与用户反馈的动态记忆，包含用户提供的纠正错误的模型信念，用户在互动过程中识别。从记忆中提取的信息被用作QA的额外上下文，以帮助避免在类似的新情况下出现以前的错误-这是基于记忆的连续学习的一种新应用。通过模拟反馈，我们发现我们的系统（称为TeachMe）随着时间的推移不断改进，并且无需模型再训练，仅需要25%的训练样本的反馈即可达到上限（所有样本的反馈）的1%以内。同样，在对真实用户的实验中，我们观察到了类似的趋势，教学后隐藏测试集的性能提高了15%以上。这为在交互式环境中使用冻结的语言模型提供了新的机会，用户可以检查、调试和纠正模型的信念，从而随着时间的推移提高系统的性能。
2022-10-21 cs.AI cs.CL
Bias Evaluation and Mitigation in Retrieval-Augmented Medical Question-Answering Systems
University of Pittsburgh（匹兹堡大学）；School of Computing and Information, University of Pittsburgh（匹兹堡大学计算与信息学院）；Clinical and Translational Science Institute, University of Pittsburgh（匹兹堡大学临床与转化科学研究所）；University of Pittsburgh Medical Center（匹兹堡大学医学中心）
本研究系统评估了医学RAG问答系统在多个基准上的种族、性别等人口统计偏差，并比较了多种缓解策略，发现多数投票聚合能显著提升准确性和公平性。
2025-03-27 cs.CL
How often do Answers Change? Estimating Recency Requirements in Question Answering
University of Innsbruck（因斯布鲁克大学）；MEF University（MEF大学）
本文提出RecencyQA数据集，通过人类评估和实证分析，展示非平稳问题对LLM的挑战随更新频率增加而加剧，为时间推理提供细粒度基准和时效感知问答系统基础。
2026-03-17 cs.CL
Learning to Paraphrase for Question Answering
University of Edinburgh（爱丁堡大学）；Stanford University（斯坦福大学）
问答（QA）系统对自然语言表达相同信息需求的许多不同方式敏感。在本文中，我们转向释义作为捕获这些知识的一种手段，并提出了一个通用的框架，学习各种QA任务的恰当释义。我们的方法使用问答对作为监督信号进行端到端训练。一个问题及其释义作为神经评分模型的输入，该模型为最有可能产生正确答案的语言表达分配更高的权重。我们评估了我们的方法在Freebase和回答句子选择QA。在三个数据集上的实验结果表明，我们的框架始终提高性能，尽管使用简单的QA模型，但仍取得了有竞争力的结果。
2017-08-20 cs.CL
Attention-based Pairwise Multi-Perspective Convolutional Neural Network for Answer Selection in Question Answering
Faculty of Computer Engineering, University of Isfahan（伊斯法罕大学计算机工程学院）
在过去的几年中，问答和信息检索系统已经变得广泛使用。这些系统试图从原始文本源中找到所问问题的答案。这些系统的一个组成部分是答案选择，它从候选答案中选择最相关的答案。句法相似度主要用于计算相似度，但在最近的工作中，已经使用了深度神经网络，在这一领域取得了显着的进步。在这项研究中，提出了一个模型来选择最相关的答案的事实性问题的候选答案。该模型使用卷积神经网络，根据与问题的语义和句法相似性对候选答案进行排名。在本研究中，注意力机制和稀疏特征向量利用上下文敏感的问题和回答句子之间的相互作用。宽卷积增加了疑问词的重要性。成对排序用于学习可微表示以区分肯定和否定答案。我们的模型表明，TrecQA Raw在MAP中的表现强劲，比之前最先进的系统高出1.4%，在MRR中高出1.1%，同时没有使用额外的语法分析器和外部工具。结果表明，使用上下文敏感的问答句之间的相互作用，可以帮助更准确地找到正确的答案。
2019-11-11 cs.CL
Time-Aware Representation Learning for Time-Sensitive Question Answering
KAIST（韩国科学技术院）
针对语言模型难以理解时间限定词与数字关系的问题，提出TCQA框架及TCSE任务，通过生成时间上下文依赖数据训练模型提取答案片段，在TimeQA数据集上F1分数较基线提升8.5。
2023-10-19 cs.AI cs.CL cs.LG
Unified Question Generation with Continual Lifelong Learning
The University of Queensland（昆士兰大学）；Nanjing University（南京大学）；Southeast University（东南大学）；Shandong University（山东大学）
问句生成是一项具有挑战性的自然语言处理任务，旨在根据给定的答案和上下文生成问句。现有的QG方法主要集中在为特定的QG数据集构建或训练模型。这些作品受到两个主要限制：（1）它们致力于特定的QG格式（例如，答案提取或多选QG），因此，如果我们想要解决QG的新格式，则需要重新设计QG模型。(2)最佳性能仅在它们刚刚训练的数据集上实现。因此，我们必须针对不同的QG数据集训练和保持各种QG模型，这是资源密集型的并且不可推广。为了解决这些问题，我们提出了一个名为Unified-QG的模型，该模型基于终身学习技术，可以在不同的数据集和格式上持续学习QG任务。具体来说，我们首先建立一个格式转换编码，将不同种类的QG格式转换为一个统一的表示。然后，建立了一个名为\emph{STRIDER}（\emph{S} imilari \emph{T} y \emph{R} egular \emph{I} zed \emph{D} ifficient \emph{E} example \emph{R} eplay）的方法来减轻持续QG学习中的灾难性遗忘。在$8$ QG数据集上进行了广泛的实验，以证明我们的方法的有效性，实验涉及$4$ QG格式（答案提取、答案抽象、多项选择和布尔QG）。实验结果表明，当数据集和格式发生变化时，我们的Unified-QG可以有效地和持续地适应QG任务。此外，我们验证了一个单一的训练…
2022-12-03 cs.AI cs.CL
Equivariant and Invariant Grounding for Video Question Answering
National University of Singapore（新加坡国立大学）；University of Science and Technology of China（中国科学技术大学）
视频问答（VideoQA）是回答关于视频的自然语言问题的任务。产生答案需要理解视频中视觉场景和语言语义之间的相互作用。然而，大多数领先的VideoQA模型都是黑箱，这使得回答过程背后的视觉语言对齐变得模糊不清。这种黑盒子的性质要求视觉上的可解释性，它揭示了“模型应该看视频的哪一部分来回答这个问题？”''.只有少数作品提出的视觉解释，在事后的方式，模拟目标模型的回答过程中，通过一个额外的方法。尽管如此，仿真努力忠实地展示回答过程中的视觉语言对齐。而不是事后的可解释性，我们专注于内在的可解释性，使回答过程透明。它的核心是将关键问题线索作为因果场景来产生答案，同时将与问题无关的信息作为环境场景。以因果关系看视频问答，我们设计了一个自我解释的框架，等变和不变的接地可解释的视频问答（EIGV）。具体而言，等变的接地鼓励的答案是敏感的语义变化的因果场景和问题;相反，不变的接地强制的答案是不敏感的环境场景的变化。EIGV通过将它们施加到回答过程中，能够区分因果场景和环境信息，并显式地呈现视觉-语言对齐。在三个基准数据集上进行的大量实验证明了EIGV在准确性和视觉可解释性方面优于领先基线。
2022-07-26 cs.CL
DAM: Dynamic Adapter Merging for Continual Video QA Learning
UNC Chapel Hill（北卡罗来纳大学教堂山分校）
提出参数高效的持续视频问答学习方法DAM，通过动态合并特定适配器权重并利用非参数路由器，有效缓解灾难性遗忘并实现跨域知识共享，在多个数据集上显著超越现有方法。
2024-04-22 cs.AI cs.CL cs.CV
SD-QA: Spoken Dialectal Question Answering for the Real World
George Mason University（乔治梅森大学）
问答（QA）系统现在可通过用于各种领域的众多商业应用获得，为经由语音接口与它们交互的数百万用户提供服务。然而，目前在QA研究的基准不占的错误，语音识别模型可能会引入，他们也不考虑用户的语言变化（方言）。为了解决这一差距，我们增加了现有的QA数据集，以构建一个多方言，口语QA基准五种语言（阿拉伯语，孟加拉语，英语，斯瓦希里语，韩语），超过68k的音频提示，24种方言，来自255个扬声器。我们提供了基线结果，展示了QA系统的真实性能，并分析了语言多样性和其他敏感的扬声器属性对下游性能的影响。最后，我们研究了ASR和QA模型相对于底层用户群体的公平性。数据集、模型输出和用于重现我们所有实验的代码都可以在https://github.com/ffaisal93/SD-QA上找到。
2021-09-24 cs.CL
Answering Any-hop Open-domain Questions with Iterative Document Reranking
Peking University（北京大学）；Georgia Institute of Technology（佐治亚理工学院）；Siemens Corporate Technology（西门子企业技术部）
现有的开放域问答（QA）方法通常是针对需要单跳或多跳推理的问题而设计的，这些推理对要回答的问题的复杂性做出了很强的假设。此外，多步骤文档检索通常会导致更多相关但不支持的文档，这会抑制下游噪声敏感的阅读器模块进行答案提取。为了解决这些挑战，我们提出了一个统一的QA框架来回答任何跳开放域的问题，迭代检索，重新排序和过滤文件，并自适应地确定何时停止检索过程。为了提高检索精度，我们提出了一个基于图的重排序模型，执行多文档交互作为我们的迭代重排序框架的核心。我们的方法在单跳和多跳开放域QA数据集（包括Natural Questions Open，SQuAD Open和HotpotQA）上始终实现与最先进的性能相当或更好的性能。
2021-05-24 cs.CL
Overinformative Question Answering by Humans and Machines
University of Tübingen（图宾根大学）；Princeton University（普林斯顿大学）；Stanford University（斯坦福大学）
本文通过实验证明人类回答极性问句时的过度信息性受相关性驱动，并评估神经语言模型，发现多数模型表现不佳，GPT-3仅在特定提示下接近人类表现。
2023-05-11 cs.CL
Penalizing Confident Predictions on Largely Perturbed Inputs Does Not Improve Out-of-Distribution Generalization in Question Answering
The University of Tokyo（东京大学）；National Institute of Informatics（国立信息学研究所）
问答（QA）模型被证明是不敏感的大扰动输入，也就是说，他们作出正确和自信的预测，即使在很大程度上扰动输入，人类不能正确地得出答案。此外，QA模型无法推广到其他领域和对抗性测试集，而人类则保持了高准确性。基于这些观察，我们假设QA模型不使用人类阅读所需的预期特征，而是依赖于虚假特征，导致缺乏泛化能力。因此，我们试图回答这样一个问题：如果QA模型对各种类型的扰动的过度自信的预测受到惩罚，是否会改善分布外（OOD）的推广？为了防止模型对扰动输入做出自信的预测，我们首先遵循现有的研究，并最大化扰动输入的输出概率的熵。然而，我们发现，训练成对某种扰动类型敏感的QA模型往往对看不见的扰动类型不敏感。因此，我们同时最大化四种扰动类型的熵（即，单词和重复级别的洗牌和删除），以进一步缩小模型和人类之间的差距。与我们的预期相反，虽然模型变得敏感的四种类型的扰动，我们发现，面向对象的推广并没有得到改善。此外，面向对象的推广有时会退化后熵最大化。对很大程度上受到干扰的输入本身进行不自信的预测可能有利于获得人类的信任。然而，我们的负面结果表明，研究人员应该注意熵最大化的副作用。
2022-11-29 cs.CL
Benchmarking Knowledge-Enhanced Commonsense Question Answering via Knowledge-to-Text Transformation
Chinese Academy of Sciences（中国科学院）；University of Chinese Academy of Sciences（中国科学院大学）
人类的一项基本能力是在语言理解和问答中运用常识知识。近年来，许多知识增强的常识问答（CQA）方法被提出。然而，它仍然是不清楚的：（1）我们可以在多大程度上利用外部知识的CQA？(2)在当前的CQA模型中，有多少知识潜力被利用了？(3)未来CQA最有前途的方向是什么？为了回答这些问题，我们通过使用简单有效的知识到文本转换框架在多个标准CQA数据集上进行广泛的实验来对知识增强的CQA进行基准测试。实验表明：（1）我们的知识到文本框架是有效的，并在CommonsenseQA数据集上实现了最先进的性能，为CQA提供了一个简单而强大的知识增强基线;（2）知识的潜力在CQA中仍然远远没有得到充分利用-从现有模型到我们的模型有很大的性能差距。（3）上下文相关的知识选择、异构知识的开发和常识丰富的语言模型是CQA的发展方向。
2021-01-05 cs.CL
EvoWiki: Incremental State Overwriting and Traceable Question Answering for Cross-Meeting Knowledge Evolution
EvoWiki是一种增量问答架构，通过解耦构建与读取、采用状态覆盖协议等技术，在跨会议知识演化任务中提升了事实一致性与可追溯性，在多数据集上准确率显著优于基线。
2026-08-25 cs.CL
Efficient and Robust Question Answering from Minimal Context over Documents
Seoul National University（首尔国立大学）；Salesforce Research（Salesforce研究院）
用于基于文档的问答（QA）的神经模型已经取得了显着的性能改进。虽然有效，但这些模型不能扩展到大型语料库，因为它们对文档和问题之间的交互进行了复杂的建模。此外，最近的研究表明，这种模型对对抗性输入很敏感。在本文中，我们研究了回答问题所需的最小上下文，并发现现有数据集中的大多数问题都可以用一小部分句子来回答。受此观察的启发，我们提出了一个简单的句子选择器来选择最小的句子集来输入QA模型。我们的整个系统实现了训练（最多15倍）和推理时间（最多13倍）的显著减少，准确性与SQuAD，NewsQA，TriviaQA和SQuAD-Open的最新技术相当或更好。此外，我们的实验结果和分析表明，我们的方法是更强大的对抗性输入。
2018-05-21 cs.CL
Improving Time Sensitivity for Question Answering over Temporal Knowledge Graphs
JD AI Research（京东人工智能研究院）；Alexa AI, Amazon（亚马逊Alexa人工智能部门）
基于时间知识图谱（KG）的问答有效地使用包含在时间KG中的事实来回答自然语言问题（例如，“奥巴马之前的美国总统是谁？”").这些问题通常涉及先前工作未能充分解决的三个与时间相关的挑战：1）问题通常不指定感兴趣的确切时间戳（例如，“Obama”而不是2000年）; 2）时间关系中微妙的词汇差异（例如，“before”vs“after”）; 3）以前的工作所建立的现成的时间KG嵌入忽略了时间戳的时间顺序，这对于回答时间顺序相关的问题至关重要。在本文中，我们提出了一个时间敏感的问答（TSQA）框架来解决这些问题。TSQA具有时间戳估计模块，用于从问题中推断未写入的时间戳。我们还采用了一个时间敏感的KG编码器，将排序信息注入到TSQA所基于的时间KG嵌入中。在减少潜在答案搜索空间的技术的帮助下，TSQA在时间KG上的问答的新基准上显著优于先前的最新技术水平，特别是在需要对时间KG中的事实进行多个推理步骤的复杂问题上实现了32%的（绝对）错误减少。
2022-03-01 cs.CL cs.LG
Towards Better Generalization in Open-Domain Question Answering by Mitigating Context Memorization
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Amazon（亚马逊公司）
本文针对开放域问答模型在知识更新和跨领域迁移中的泛化难题，提出语料库不变调优（CIT）策略，通过控制训练时检索上下文的似然来缓解知识过度记忆，在多个基准上验证了其在不损失原有性能的前提下显著提升泛化能力。
2024-04-02 cs.AI cs.CL
Injecting Structured Biomedical Knowledge into Language Models: Continual Pretraining vs. GraphRAG
本文提出通过持续预训练和GraphRAG两种方法将结构化生物医学知识注入语言模型，提升其在生物医学领域的表现，实验显示BERTUMLS在知识密集型问答任务中表现优异，GraphRAG在PubMedQA和BioASQ上提升显著。
2026-04-03 cs.AI cs.CL cs.LG
AIM: Asymmetric Information Masking for Visual Question Answering Continual Learning
Sun Yat-Sen University（中山大学）；National Supercomputing Center in Shenzhen（深圳国家超算中心）；Tsinghua University（清华大学）
针对视觉问答持续学习中因模型结构不对称导致的灾难性遗忘问题，提出AIM方法，通过模态特定敏感性指导的针对性掩码平衡稳定性与可塑性，提升在VQA v2和GQA任务中的平均性能和平均遗忘度。
2026-04-16 cs.CL cs.CV
Time-MQA: Time Series Multi-Task Question Answering with Context Enhancement
University of Oxford（牛津大学）；PyPOTS Research（PyPOTS研究）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Griffith University（格里菲斯大学）；Squirrel Ai Learning（Squirrel Ai学习）
提出Time-MQA统一框架及TSQA数据集，支持跨多种时间序列任务的自然语言查询，通过持续预训练大语言模型增强时间序列推理能力，实现更直观的时间数据交互。
2025-06-28 cs.AI cs.CL cs.LG
APEx: Distillation of Agent Procedural Experience for Adaptive Deep Research Question Answering
University of Science and Technology of China（中国科学技术大学）；ByteDance Inc.（字节跳动公司）；Chinese Academy of Sciences（中国科学院）
APEx是分层经验利用框架，通过三阶段交替GRPO训练优化Executor、Distiller、Planner模块，经7个基准测试性能超GPT-5.4和最强记忆增强基线，实现自适应深度研究问答。
2026-09-03 cs.AI cs.CL
SABET-QA: Temporal Knowledge Graph Question Answering
ENS Paris-Saclay（巴黎-萨克雷高等师范学校）；École Polytechnique（巴黎综合理工学院）；QuickSort Research（快排研究院）
针对时序知识图谱问答中现有方法难以处理多步查询的问题，提出SABET-QA框架，通过双向实体-时间评分等机制优化推理，在多个时序问答数据集上的复杂多步查询任务中取得优于强基线的效果。
2026-08-21 cs.AI cs.CL
QASnowball: An Iterative Bootstrapping Framework for High-Quality Question-Answering Data Generation
Tsinghua University（清华大学）；ModelBest Inc.（面壁智能公司）
本文提出迭代引导框架 QASnowball，通过答案抽取、问题生成和数据过滤三个模块，从种子集出发持续生成高质量问答数据，实验证明其生成数据可有效提升问答模型性能。
2023-09-20 cs.AI cs.CL
Disaster Question Answering with LoRA Efficiency and Accurate End Position
本文提出一种基于日本灾难经验的问答系统，利用LoRA优化实现高准确率的灾难响应问答。
2026-01-28 cs.CL cs.IR cs.LG
Empowering Large Language Model for Continual Video Question Answering with Collaborative Prompting
Nanyang Technological University（南洋理工大学）
针对持续学习场景下微调大语言模型易出现灾难性遗忘的问题，提出整合三类提示的协作提示方法ColPro，在两个视频问答数据集上取得了优于现有方法的性能。
2025-01-17 cs.CL cs.CV
CAPID: Context-Aware PII Detection for Question-Answering Systems
University of Waterloo（滑铁卢大学）；Vector Institute（向量研究所）
CAPID通过微调本地小型语言模型实现隐私保护的PII检测，有效提升问答系统中PII识别的准确性与实用性。
2026-02-10 cs.CL cs.CR
CacheRAG: A Semantic Caching System for Retrieval-Augmented Generation in Knowledge Graph Question Answering
HKUST Hong Kong China（香港理工大学（中国））；HKUST(GZ) / HKUST Guangzhou / Hong Kong China (2018)（香港理工大学（广州）/ 香港理工大学（广州）/ 香港中国（2018））
针对LLM驱动的KGQA系统作为无状态规划器导致模式幻觉和检索覆盖有限的问题，提出CacheRAG，一种基于缓存的架构，通过模式无关接口、多样性优化缓存检索和有界启发式扩展，将无状态规划器转变为持续学习器，显著提升准确性和真实性。
2026-06-08 cs.CL cs.DB
Repair Before Reinforce: Context-Augmented Knowledge Graph Reasoning for Multi-Hop Question Answering
Princeton University（普林斯顿大学）
提出上下文增强训练框架，通过附加支持三元组形成上下文图，结合自适应修复和强化学习，提升多跳问答性能。
2026-09-14 cs.AI cs.CL
MedPriv-Bench: Benchmarking the Privacy-Utility Trade-off of Large Language Models in Medical Open-Ended Question Answering
MedPriv-Bench首次提出医疗开放问答中评估隐私保护与临床效用的基准，通过多代理人机协同流程生成敏感医疗情境，利用预训练RoBERTa-NLI模型量化数据泄露，揭示大语言模型在隐私与效用间的普遍权衡。
2026-08-26 cs.CL cs.MA
Memory-Augmented Knowledge Fusion with Safety-Aware Decoding for Domain-Adaptive Question Answering
Independent Researcher（独立研究者）；Boston University（波士顿大学）；Binghamton University（伯克利大学）
KARMA通过记忆增强和安全意识解码提升领域自适应问答的准确性和安全性
2025-12-02 cs.AI cs.CL
An Empirical Analysis of Continual Learning for Heterogeneous Medical Visual Question Answering
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Alexandria University（亚历山大大学）
研究异构医学视觉问答持续学习，通过系统评估多种临床目标任务，探究现有CL方法减轻灾难性遗忘能力、对任务排序敏感性及低秩适应参数演变，发现交错不同任务时现有方法难维持稳定性 - 可塑性平衡。
2026-07-15 cs.AI cs.CL cs.CV
HyLoVQA: Dynamic Hypernetwork-Generated Low-Rank Adaptation for Continual Visual Question Answering
School of Computer Science, Hubei University, Wuhan 430062, China（湖北大学计算机学院，武汉430062，中国）；Hubei Key Laboratory of Big Data Intelligent Analysis and Application (Hubei University), Wuhan 430062, China（湖北省大数据智能分析与应用重点实验室（湖北大学），武汉430062，中国）；Key Laboratory of Intelligent Sensing System and Security (Hubei University), Ministry of Education, Wuhan 430062, China（智能感知系统与安全重点实验室（湖北大学），教育部，武汉430062，中国）
HyLoVQA通过动态超网络生成低秩适应，解决连续视觉问答中任务干扰问题，提升模型对当前任务和对象的适应能力。
2026-05-21 cs.CL cs.CV
Revisiting Distillation for Continual Learning on Visual Question Localized-Answering in Robotic Surgery
Wellcome/EPSRC Centre for Interventional and Surgical Sciences (WEISS), University College London（伦敦大学学院惠康/工程与物理科学研究委员会介入与外科科学中心（WEISS））；The Chinese University of Hong Kong (CUHK)（香港中文大学（CUHK））；Shun Hing Institute of Advanced Engineering, CUHK（香港中文大学信兴高等工程研究所）
针对手术VQLA系统中深度神经网络的灾难性遗忘及旧数据难获取问题，提出含RP-Dist、SH-Dist和WA技术的无样本持续学习框架，在三个公开数据集上优于传统方法，代码已公开。
2023-07-22 cs.CL cs.CV cs.RO
Harnessing Temporal Databases for Systematic Evaluation of Factual Time-Sensitive Question-Answering in Large Language Models
KAIST（韩国科学技术院）；William & Mary（威廉与玛丽学院）；Microsoft Research Asia（微软亚洲研究院）
TDBench通过时间数据库技术系统构建TSQA对，引入时间准确性指标，实现大语言模型时间敏感问答的可扩展和全面评估。
2026-03-02 cs.CL
70B-parameter large language models in Japanese medical question-answering
The University of Tokyo（东京大学）
针对日文医疗大语言模型研究不足的问题，本研究首次对多款70B参数模型开展日文医疗问答指令微调，使模型解答日本医师资格考试的准确率突破50%，验证了本地语言持续预训练、分词器调整及提示格式优化的价值。
2024-06-21 cs.CL
Continual-learning for Modelling Low-Resource Languages from Large Language Models
Machine Intelligence Group, Department of CS&IS, Birla Institute of Technology and Sciences, Pilani, India（机器智能组，计算机科学与信息系，比拉理工学院和科学学院，印度帕利尼）
本文提出利用基于词性的代码切换和重放适配器策略，解决从大语言模型构建小语言模型时的灾难性遗忘问题，并在视觉语言任务中验证了方法的有效性。
2026-01-09 cs.AI cs.CL
PRIV-QA: Privacy-Preserving Question Answering for Cloud Large Language Models
Ant Group（蚂蚁集团）
针对云端大语言模型交互中的隐私泄露风险，提出多阶段隐私保护流水线，并构建含57k条中英文交互的SensitiveQA数据集，在保护敏感信息的同时保持响应质量。
2025-02-19 cs.CL
Keep Security! Benchmarking Security Policy Preservation in Large Language Model Contexts Against Indirect Attacks in Question Answering
Chung-Ang University（Chung-Ang 大学）
针对LLM在敏感领域易受间接攻击泄露信息的问题，提出基准数据集CoPriva评估模型对上下文不披露策略的遵守情况，发现10个模型在间接攻击下普遍存在策略违规漏洞，亟需更稳健的上下文安全保证方法。
2025-09-15 cs.CL
