#
检索增强生成
10 篇相关内容
RIMS框架：小模型检索增强生成的新优化方法
研究团队提出RIMS三阶段偏好优化框架，通过平滑多对聚合机制提升小规模语言模型在检索增强生成任务中的抗噪能力，在多个问答基准测试中表现优于现有方法。
a
Shapley上下文剪枝：基于合作博弈论的RAG系统优化新框架
研究人员提出Shapley上下文剪枝框架，首次将合作博弈论引入检索增强生成系统，为上下文重排序与剪枝提供可解释的数学基础，在多项评测中展现竞争力。
a
ColGraphRAG：多模态图检索增强生成中的延迟交互证据检索新方法
研究者提出ColGraphRAG方法，通过延迟交互的多向量评分机制改进多模态图检索中的视觉证据检索效果，在MultimodalQA数据集上显著提升视觉相关问题的回答准确率。
a
自动驾驶测试新突破：Chat2Scenic迭代式RAG框架高效生成合规场景脚本
慕尼黑工业大学团队提出首个基于迭代检索增强生成的自动驾驶场景生成框架Chat2Scenic，通过聊天机器人界面支持交互式场景优化，在编译成功率上显著超越现有方法。
a
LLaMA 3变身高效重排器：知识蒸馏助力RAG性能提升
研究团队通过知识蒸馏技术，将LLaMA 3 8B模型转化为高效的重排器，在RAG系统中实现显著性能提升的同时大幅降低推理成本。
a
临床AI现“欺骗性引用”：模型正确引证却张冠李戴
研究发现临床检索增强生成系统存在新型缺陷——模型能正确引用真实医学文献，却将药物Y的临床证据错误归因于查询药物X，现有评估框架无法检测此类“实体归因失败”。
a
检索增强生成新突破：双置信度对比解码法解决多文档冲突
研究者提出双置信度对比解码方法，专门解决多文档检索增强生成中的证据冲突问题，在新型企业级基准测试中表现优异。
a
Hybrid-IR：双路径混合检索结合迭代推理，提升复杂医学问答性能
研究者提出Hybrid-IR框架，通过图检索与密集检索双路径结合迭代推理机制，有效解决复杂医学问答中知识碎片化与推理深度不足的问题。
a
无需训练！新框架让多模态大模型更懂知识问答
研究人员提出一种名为IBA的训练免费框架，通过先识别实体再检索证据的两步策略，显著提升多模态大模型在知识型视觉问答任务中的表现。
a
Gemini企业代理平台推出Agentic RAG，解锁可靠AI响应
谷歌DeepMind发布Gemini企业代理平台，通过Agentic RAG技术提升AI响应的准确性与可靠性，为企业级应用提供更稳定的智能解决方案。
G