通过全面回答填补信息空白：提升后续问题的多样性和信息量

本研究解决了现有对话系统在生成多样化和信息丰富的后续问题方面的不足。我们提出了一种基于假设的“全面回答”生成针对未回答信息的问题的新方法。实验结果表明，经过增强数据集微调的语言模型能够生成显著更高质量和多样性的后续问题，这为提高信息寻求对话的准确性提供了新的思路。