DAT：检索增强生成中混合检索的动态 Alpha 调优
信息检索
2025-04-01 v1
摘要
检索增强生成系统中的混合检索技术通过结合稠密检索和稀疏检索（例如基于 BM25 的）方法来增强信息检索。然而，现有方法在适应性方面存在困难，因为固定的加权方案无法适应不同的查询。为了解决这个问题，我们提出了 DAT（动态 Alpha 调优），这是一种新颖的混合检索框架，能够为每个查询动态平衡稠密检索和 BM25。DAT 利用大语言模型（LLM）评估两种检索方法各自 top-1 结果的有效性，并为每个结果分配有效性分数。然后，它通过有效性分数归一化来校准最佳加权因子，确保两种方法之间更具适应性和查询感知的权重分配。实证结果表明，DAT 在各种评估指标上始终显著优于固定权重混合检索方法。即使在较小的模型上，DAT 也能提供出色的性能，凸显了其高效性和适应性。
引用
@article{arxiv.2503.23013,
title = {DAT: Dynamic Alpha Tuning for Hybrid Retrieval in Retrieval-Augmented Generation},
author = {Hsin-Ling Hsu and Jengnan Tzeng},
journal= {arXiv preprint arXiv:2503.23013},
year = {2025}
}