CORAL：面向文化对齐多语言 RAG 的自适应检索循环
计算与语言
2026-04-29 v1 人工智能
摘要
多语言检索增强生成 (mRAG) 通常在固定的检索空间内实现，一般通过查询或文档翻译，或多语言嵌入向量表示。然而，这种方法对于文化奠基的查询可能是不充分的，其中可能出现检索条件错位。当从不适当的语言或区域语境中获取证据时，即使是强大的检索器和生成器也可能难以产生文化相关的回答。为此，我们引入了 CORAL（具有智能体循环的上下文感知检索），这是一种用于 mRAG 的自适应检索方法，能够基于证据质量对检索空间（语料库）和检索探针（查询）进行迭代优化。整个过程包括：(1) 选择语料库，(2) 检索文档，(3) 评估证据的相关性与文化对齐度，以及 (4) 检查充分性。如果检索到的文档不足以正确回答查询，系统会 (5) 重新选择语料库并重写查询。在两个文化问答基准测试中，相对于最强的基线，CORAL 在低资源语言上实现了高达 3.58%p 的准确率提升。
引用
@article{arxiv.2604.25676,
title = {CORAL: Adaptive Retrieval Loop for Culturally-Aligned Multilingual RAG},
author = {Nayeon Lee and Jiwoo Song and Byeongcheol Kang},
journal= {arXiv preprint arXiv:2604.25676},
year = {2026}
}
备注
23 pages, 9 figures. Accepted at ACL 2026 (Findings)