基于代理验证的模糊查询消歧
计算与语言
2025-03-05 v1
摘要
在本工作中，我们解决了在检索增强生成 (RAG) 中消歧查询以满足多样且可解的解释的挑战。现有方法遵循 Diversify-then-Verify (DtV) 流程，其中由 LLM 生成多样化解释，随后用作检索查询以检索支持段落。这种过程可能在解释或检索中引入噪声，尤其是在企业场景中，训练数据静态的 LLM 可能在处理领域特定消歧方面存在困难。因此，引入后置验证阶段以修剪噪声。我们的区别在于通过早期融合检索器和生成器的反馈，将多样化与验证统一。这种联合方法通过减少对多个检索和推理步骤的依赖来提高效率和鲁棒性，这些步骤容易受到级联错误的影响。我们在广泛采用 ASQA 数据集上验证了该方法的效率和有效性，通过称为 VERDICT 的经验证多样化方案实现了多样且可验证的解释。实验结果显示，VERDICT 在不同主干 LLM 上将 grounding-aware F1 分数平均提高 23%。
引用
@article{arxiv.2502.10352,
title = {Agentic Verification for Ambiguous Query Disambiguation},
author = {Youngwon Lee and Seung-won Hwang and Ruofan Wu and Feng Yan and Danmei Xu and Moutasem Akkad and Zhewei Yao and Yuxiong He},
journal= {arXiv preprint arXiv:2502.10352},
year = {2025}
}