基于图的能源效率问答检索增强生成系统
计算与语言
2025-11-04 v1 人工智能
信息检索
摘要
本文研究了在基于图的检索增强生成 (RAG) 架构中使用大型语言模型 (LLM) 用于能源效率 (EE) 问答。首先，该系统从能源领域的指导和监管文件中自动提取知识图谱 (KG)。随后，对生成的图进行导航和推理，以提供用户在多语言环境下的准确答案。我们采用 RAGAs 框架进行基于人类的验证，使用包含 101 个问答对的验证数据集，并邀请领域专家进行评估。结果确认了该架构的潜力，并确定了其优势和局限性。验证结果显示，该系统在约四分之三的情况下（75.2 ± 2.7%）能正确回答问题，针对与更通用 EE 回答相关的问题准确率更高（最高可达 81.0 ± 4.1%），并展现出有前景的多语言能力（翻译导致准确率下降 4.4%）。
引用
@article{arxiv.2511.01643,
title = {A Graph-based RAG for Energy Efficiency Question Answering},
author = {Riccardo Campi and Nicolò Oreste Pinciroli Vago and Mathyas Giudici and Pablo Barrachina Rodriguez-Guisado and Marco Brambilla and Piero Fraternali},
journal= {arXiv preprint arXiv:2511.01643},
year = {2025}
}