A Survey on Retrieval-Augmented Text Generation
Recently, retrieval-augmented text generation attracted increasing attention of the computational linguistics community. Compared with conventional generation models, retrieval-augmented text generation has remarkable advantages and particularly has achieved state-of-the-art performance in many NLP tasks. This paper aims to conduct a survey about retrieval-augmented text generation. It firstly highlights the generic paradigm of retrieval-augmented generation, and then it reviews notable approaches according to different tasks including dialogue response generation, machine translation, and other generation tasks. Finally, it points out some important directions on top of recent methods to facilitate future research.
(DeepL)近年、検索を利用したテキスト生成(Retrieval-Augmented Text Generation)が計算言語学のコミュニティで注目を集めている。従来の生成モデルと比較して、検索補強型テキスト生成は顕著な利点があり、特に多くの自然言語処理タスクにおいて最先端の性能を達成している。本稿では、Retrieval-Augmented Text Generationに関するサーベイを行うことを目的とする。まず、Retrieval-Augmented Text Generationの一般的なパラダイムを強調し、次に、対話応答生成、機械翻訳、その他の生成タスクを含む、異なるタスクに応じた注目すべきアプローチをレビューする。最後に、将来の研究を促進するために、最近の手法の上にいくつかの重要な方向性を指摘する。 2022年の2月のものである(ChatGPTが2022年11月)