面向多产品问答的联邦检索增强生成
计算与语言
2025-01-28 v1
摘要
近期大型语言模型和检索增强生成的发展，推动了面向企业产品的领域特定问答需求。然而，AI助手在多产品问答场景中常面临挑战，需要跨越多个领域提供准确响应。现有的多域 RAG-QA 方法要么无差别查询所有领域，导致计算成本和 LLM 幻觉增加，要么依赖刚性资源选择，限制搜索结果。我们提出了 MKP-QA，一种新型的多产品知识增强问答框架，采用概率联邦搜索跨域和相关知识。该方法通过聚合查询-域和查询-段落概率相关性，提升多域搜索质量。为弥补多产品问答缺乏合适基准的不足，我们还提供了聚焦三个 Adobe 产品（Adobe Experience Platform、Target 和 Customer Journey Analytics）的新数据集。我们的实验表明，MKP-QA 在检索准确性和响应质量方面显著提升了多产品 RAG-QA 的性能。
引用
@article{arxiv.2501.14998,
title = {Federated Retrieval Augmented Generation for Multi-Product Question Answering},
author = {Parshin Shojaee and Sai Sree Harsha and Dan Luo and Akash Maharaj and Tong Yu and Yunyao Li},
journal= {arXiv preprint arXiv:2501.14998},
year = {2025}
}