ComRAG: 面向工业实时社区问答的动态向量存储检索增强生成
计算与语言
2025-07-02 v2 人工智能
摘要
社区问答(CQA)平台可被视为社区中重要的知识库,但实时有效地利用历史交互和领域知识仍是一个挑战。现有方法通常未充分利用外部知识,未能纳入动态历史问答上下文,或缺乏适合工业部署的记忆机制。我们提出了 ComRAG,这是一个用于实时工业 CQA 的检索增强生成框架,通过专为检索、生成和高效存储设计的基于质心的记忆机制,将静态知识与动态历史问答对集成。在三个工业 CQA 数据集上的评估表明,ComRAG 始终优于所有基线——向量相似度提升高达 25.9%,延迟降低 8.7% 至 23.3%,且在迭代过程中将块增长率从 20.23% 降至 2.06%。
引用
@article{arxiv.2506.21098,
title = {ComRAG: Retrieval-Augmented Generation with Dynamic Vector Stores for Real-time Community Question Answering in Industry},
author = {Qinwen Chen and Wenbiao Tao and Zhiwei Zhu and Mingfan Xi and Liangzhong Guo and Yuan Wang and Wei Wang and Yunshi Lan},
journal= {arXiv preprint arXiv:2506.21098},
year = {2025}
}
备注
7 pages, 4 figures. Accepted at ACL 2025 Industry Track