检索增强生成中的数据质量挑战
人工智能
2025-10-02 v1 人机交互
摘要
组织越来越多地采用检索增强生成（RAG）来增强大型语言模型（LLM）以整合企业特定知识。然而，当前的数据质量（DQ）框架主要是为静态数据集开发的，且仅不充分地解决 RAG 系统的动态、多阶段本质。本研究旨在为这种新的 AI 系统开发 DQ 维度。我们对领先 IT 服务公司的从业者进行了 16 项半结构化访谈。通过定性内容分析，我们归纳出 15 个不同的 DQ 维度，覆盖 RAG 系统的四个处理阶段：数据提取、数据转换、提示与搜索以及生成。我们的发现表明：（1）必须添加新的维度到传统 DQ 框架，以覆盖 RAG 上下文；（2）这些新的维度集中在 RAG 的早期步骤中，表明需要前置质量管理策略；（3）DQ 问题在 RAG 流程中转化并传播， necessitating a dynamic, step-aware 的质量管理方法。
引用
@article{arxiv.2510.00552,
title = {Data Quality Challenges in Retrieval-Augmented Generation},
author = {Leopold Müller and Joshua Holstein and Sarah Bause and Gerhard Satzger and Niklas Kühl},
journal= {arXiv preprint arXiv:2510.00552},
year = {2025}
}
备注
Preprint version. Accepted for presentation at the International Conference on Information Systems (ICIS 2025). Please cite the published version when available