HotpotQA 评测（Fullwiki Setting 赛道）最新榜单（截至 2021 年 1 月 20 日）
作为企业重要的信息载体，数字化文档记录了大量企业知识，如何快速帮助企业员工从数字化文档中获得答案，是企业文档维护人员的痛点。为解决此问题，一方面需要较强的阅读理解技术，另一方面还需要构建一套复杂的开放域问答流程。
HotpotQA 评测数据是斯坦福、CMU 和蒙特利尔大学杨植麟、齐鹏、张赛峥等人于2018年首次推出的新型问答数据集，由斯坦福的 Manning 教授和深度学习三巨头之一的 Bengio 牵头。该数据集由多跳复杂问题以及对应的答案组成，同时包含佐证证据用来解释答案的来源。在斯坦福此前公布的 SQUAD 评测任务中，机器已经多次超过人类，该评测仅需要从单个篇章中找到与问题有关的答案即可，故相对简单。
然而，HotpotQA 评测需要从整个 wikipedia 或者多篇文章中找出问题相关的答案，同时要求返回问题到答案的推理链，难度大大增加更具有挑战性。该评测也吸引了来自谷歌、微软、Facebook 等知名研究机构以及 CMU、Stanford、华盛顿大学、清华大学、北京大学等知名高校。
挑战多跳知识推理技术高点
HotpotQA 评测的难点在于机器要结合多篇文章进行多跳推理才能得出答案，并返回佐证证据。该评测分为 Distractor Setting 和 Fullwiki Setting 两个赛道。Fullwiki Setting 相较于 Distractor Setting 更为复杂也更接近实用价值，需要从整个维基百科文档中抽取文档，然后再从文档中提取段落，最后从段落中抽取答案，而 Distractor Setting 赛道会提供 10 篇备选的篇章。如何从大量文档段落中去多跳搜索候选，然后理解候选段落的内容提取佐证证据成为比赛的关键。
华为云联合华为诺亚方舟实验室，提出了新的检索目标 hop，用于收集维基百科中隐藏的推理证据，解决复杂多跳问题，同时结合 beam search 对答案进行排序和融合。
从维基百科文本图谱中检索跳转 (Hops)
如今，企业面临着数字化、知识化转型，知识化转型重要的关键技术就是知识的理解和推理，该技术对企业知识转型具有重大的意义和推动作用。2020 年华为云推出知识计算解决方案，企业可以基于华为云知识计算解决方案打造自己的知识计算平台，用于研发、生产、运营、销售、售后服务等企业核心流程。目前，该方案已在石油、汽车、医疗、化纤、煤焦化、钢铁、交通等行业率先实践。
