HiQA：面向多文档问答的分层上下文增强RAG
计算与语言
2024-09-25 v2 人工智能
机器学习
摘要
检索增强生成（RAG）迅速推进了语言模型领域，特别是在问答（QA）系统中。通过在响应生成阶段集成外部文档，RAG显著提高了语言模型的准确性和可靠性。该方法提升了响应质量，并减少了模型生成错误或误导性信息的幻觉频率。然而，当面对大量难以区分的文档时，这些方法表现出有限的检索准确性，在其实际应用中带来了显著挑战。针对这些新出现的挑战，我们提出了HiQA，一个先进的多文档问答（MDQA）框架，该框架将级联元数据集成到内容中，并采用多路检索机制。我们还发布了一个名为MasQA的基准，用于评估和研究MDQA。最后，HiQA在多文档环境中展示了最先进的性能。
引用
@article{arxiv.2402.01767,
title = {HiQA: A Hierarchical Contextual Augmentation RAG for Multi-Documents QA},
author = {Xinyue Chen and Pengyu Gao and Jiangjiang Song and Xiaoyang Tan},
journal= {arXiv preprint arXiv:2402.01767},
year = {2024}
}