LG AI Research: 과학 논문 대상의 고도화된 질의응답(QASA) 접근법 및 벤치마크 제안

과학 논문을 읽는 과정은 단순한 정보 습득을 넘어, 연상적 사고와 논리적 추론을 요구하는 심층적 질문을 유도한다. 기존의 QA 태스크는 이러한 복잡한 추론과 풍부한 근거 추출을 수행하는 데 한계가 있다.

이를 해결하기 위해 QASA(Question Answering on Scientific Articles) 접근법을 제안한다. 이 방법론은 QA 작업을 세 가지 하위 작업으로 분해하여 수행한다.

• Associative Selection: 질문과 관련된 단락을 추출하여 답변 및 근거가 될 지식을 수집한다.
• Rationale Generation: 선택된 단락에서 핵심 답변, 상세 설명, 보조 정보를 포함하는 근거를 생성한다.
• Systematic Composition: 생성된 모든 근거를 체계적으로 결합하여 중복 없이 읽기 쉬운 최종 답변을 구성한다.

또한, AI/ML 분야 전문가들이 참여하여 구축한 QASA 벤치마크를 함께 선보였다. 이 벤치마크는 질문 유형을 Surface, Testing, Deep의 세 단계로 구분하며, 총 1,798개의 고품질 질문-답변 쌍을 포함하고 있다.