एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
Question-Réponse Multi-sauts
Sous-domaine des systèmes de question-réponse où la réponse à une question initiale nécessite de formuler et de résoudre une séquence de questions intermédiaires, souvent enchaînées, pour aboutir à la réponse finale.
Raisonnement Chaîné
Processus cognitif et computationnel qui consiste à lier plusieurs faits ou entités pour inférer une nouvelle information, fondamental pour les systèmes QA multi-sauts qui doivent suivre des chemins logiques dans une base de connaissances.
Décomposition de Question
Technique consistant à analyser une question complexe pour la scinder en une série de sous-questions plus simples et directement answerables, dont les réponses seront ensuite combinées pour résoudre la question initiale.
Récupérant Augmenté par Génération (RAG)
Architecture hybride où un modèle de récupération (retriever) trouve des documents pertinents pour alimenter un modèle génératif (generator), souvent utilisée pour construire des réponses complexes en s'appuyant sur des sources externes.
Planification de Requêtes
Mécanisme qui détermine l'ordre optimal des sous-requêtes à exécuter pour répondre à une question multi-sauts, en minimisant les coûts computationnels et en maximisant la pertinence des informations récupérées.
Fusion de Preuves
Éape finale du processus QA multi-sauts où les informations issues des différentes étapes de raisonnement sont synthétisées et consolidées pour formuler une réponse finale cohérente et complète.
Entité Ambiguë
Défi majeur en QA multi-sauts où une entité mentionnée dans la question peut faire référence à plusieurs nœuds distincts dans le graphe de connaissances, nécessitant une désambiguïsation contextuelle pour suivre le bon chemin de raisonnement.
Raisonnement sur les Chemins (Path Reasoning)
Méthode spécifique au QA multi-sauts qui consiste à explorer et évaluer différents chemins relationnels dans un graphe de connaissances pour trouver la séquence de sauts logiques menant à la réponse.
Modèle de Transition d'États
Approche formelle pour modéliser le processus de raisonnement multi-sauts comme une série de transitions entre des états (informations connues), où chaque action (saut de raisonnement) modifie l'état courant du système.
Apprentissage par Renforcement pour le QA
Paradigme d'entraînement où un agent QA apprend une politique de navigation (quelles questions poser ou quels liens suivre) en étant récompensé lorsqu'il parvient à la bonne réponse, optimisant ainsi sa stratégie de raisonnement.
Question-Réponse Neuronale Symbolique
Approche hybride combinant des réseaux de neurones pour la compréhension du langage naturel et des composants symboliques pour le raisonnement logique et la manipulation de faits structurés, particulièrement adaptée au QA multi-sauts.
Explicabilité du Raisonnement
Capacité d'un système QA multi-sauts à non seulement fournir une réponse, mais aussi à exposer la chaîne de déductions, les sources et les étapes intermédiaires qui ont mené à cette réponse, essentielle pour la confiance et le débogage.
Prédiction de Relation
Tâche consistant à identifier la relation sémantique correcte entre deux entités dans un graphe de connaissances, une étape clé dans chaque 'saut' d'un processus de question-réponse multi-sauts.
Système QA Basé sur les Documents
Type de système QA multi-sauts où le raisonnement s'effectue non pas sur un graphe structuré, mais en reliant des informations dispersées à travers une collection de documents non ou semi-structurés.