基于层次聚类的树状文本检索方法在 RAG 框架中的应用：以台湾法规为例

传统检索增强生成 (RAG) 系统采用暴力内积搜索检索最相似的 top-k 个文档，然后与用户查询一起传递给语言模型。这允许模型访问外部知识并减少幻觉。然而，在实际应用中选择合适的 k 值仍是一个重要挑战：k 值太小可能检索不到足够的信息，而 k 值过大则会引入过多无关内容。为此，我们提出了一种基于层次聚类的检索方法，无需预定义 k 值。我们的 approach 保持系统响应的准确性和相关性，同时自适应地选择语义上相关的内容。在实验阶段，我们将该方法应用于台湾法律数据集上的 expert-graded 查询。结果表明，我们的方法在 expert 评估中取得优异性能，同时保持高精度，无需预定义 k 值，显示在法律文本检索任务中具有 improved 的准确性和可解释性。该 framework 简单易实现，且轻松集成到现有的 RAG 流程中，成为在资源有限的条件下实际应用的实用解决方案。