CORG：从复杂、相互关联的语境中生成答案

在现实世界的语料库中，知识经常跨文档重复出现，但由于命名含糊、信息过时或错误，常常包含不一致性，从而导致上下文之间存在复杂的关系。先前的研究表明，语言模型难以处理这些复杂性，通常只孤立地关注单一因素。我们将这些关系分为四种类型：分散注意力的、模糊的、反事实的和重复的。我们的分析表明，没有单一方法能够同时有效解决所有这些相互关系。因此，我们引入了上下文组织器（CORG），这是一个将多个上下文组织成独立处理的组的框架。这种设计使模型能够有效地找到所有相关答案，同时确保消歧。CORG 由三个关键组件组成：图构建器、重排序器和聚合器。我们的结果表明，CORG 有效地平衡了性能和效率，优于现有的分组方法，并取得了与计算密集型更高的单上下文方法相当的结果。