E2E-AFG: 用于检索增强生成的端到端自适应滤波模型
计算与语言
2025-05-09 v2 人工智能
摘要
检索增强生成方法常常忽视从外部知识库检索到的内容质量，导致无关信息或潜在的错误信息对大型语言模型的生成结果产生负面影响。在本文中，我们提出了一种用于检索增强生成的端到端自适应滤波模型（E2E-AFG），将答案存在性判断和文本生成集成到一个统一的端到端框架中。这使模型能够更有效地聚焦于相关内容，同时减少无关信息的影响，从而生成准确的答案。我们在六个代表性的知识密集型语言数据集上评估了E2E-AFG，结果表明它在所有任务上始终优于基线模型，证明了所提出方法的有效性和鲁棒性。
引用
@article{arxiv.2411.00437,
title = {E2E-AFG: An End-to-End Model with Adaptive Filtering for Retrieval-Augmented Generation},
author = {Yun Jiang and Zilong Xie and Wei Zhang and Yun Fang and Shuai Pan},
journal= {arXiv preprint arXiv:2411.00437},
year = {2025}
}
备注
13 pages, 3 figures, 5 tables