夸克AI超级框推出“拍照问夸克”功能，增强多模态能力，支持视觉搜索和多轮问答。用户可通过AI相机识别图片细节，完成数据分析和健康建议等复杂任务，提升用户体验。

本文探讨了通过自我一致性和思维链技术改善云端大型语言模型的分布式同义问题，提出了结构化思维链和自主启发式链式思考框架，显著提高了多轮问答的准确性和推理能力。研究还涉及医疗任务自动化、知识图谱引导的多跳推理及定制化语言模型提示，展示了在多个领域的应用潜力和性能提升。

本文综述开放领域问答中的澄清问题与歧义处理研究，涵盖CAMBIGNQ数据集与评估指标、AmbigNQ数据集（发现NQ-open过半问题有歧义）、RePAQ检索程序、利用维基百科明确问题库提升模糊问题回答、低资源语言OpenQA系统、2016至2021年问答研究回顾（指出多轮问答已成主流）、对话问答分解方法、Qulac数据集以及波兰语MAUPQA数据集。

该文综述多项问答研究：BoolQ数据集表明是非问题具有挑战性，基于MultiNLI微调的BERT准确率为80.4%，低于人类的90%；多语言基准与远程监督可提升是非问答；对话问答可分解为问题重写与回答，重写已接近人类水平；CONVSR生成会话提示以增强对不完整问题的理解；ClaimDecomp将政治主张分解为是非子问题；强化学习整合重写与对话问答效果有限，但以问答反馈训练重写可提升抽取式和检索式问答；时序表格问答采用图编码与指针网络；综述指出多轮问答已取代单轮问答的主导地位。

该文综述知识图谱多轮问答研究，涵盖多项方法：CornNet利用大模型生成问题重述并结合强化学习提升回答；CONQUER从噪声改写中学习，在ConvRef基准上显著提升；对比表示学习实现弱监督路径排序，指标提高10–18个百分点；REIGN通过生成改写与深度强化学习增强鲁棒性。此外还涉及Complex Sequential QA任务、ActiveQA重构问题、逻辑编程增强LLM可解释性、端到端变分学习处理噪声与多跳推理，以及口头回答数据集与误差分析。

本文介绍了SciGraphQA数据集，它是一个合成的多轮问答数据集，使用295K个开放式多轮问答对话样本，并通过GPT-4评估了问题-回答的匹配质量。通过利用从图表中提取的序列化数据表格和DePlot模型，使用LLaVA-13B进行了进一步的改进，最终的评估CIDEr为0.26。