QAEncoder：问答系统中对齐表示学习的方法
计算与语言
2025-07-03 v3
摘要
现代问答系统涉及检索增强生成（RAG），以实现准确可靠的响应。然而，用户查询与相关文档之间的内在差距会阻碍精确匹配。我们引入QAEncoder，一种用于弥合这一差距的训练自由方法。具体而言，QAEncoder估计嵌入空间中潜在查询的期望值作为文档嵌入的稳健替代品，并附加文档指纹以有效区分这些嵌入。跨多样化数据集、语言和嵌入模型的大量实验确认了QAEncoder的对齐能力，这一方法提供了一个简单而有效的解决方案，无需额外的索引存储、检索延迟、训练成本，或出现记忆遗忘和幻觉问题。该仓库已在https://github.com/IAAR-Shanghai/QAEncoder 上公开。
引用
@article{arxiv.2409.20434,
title = {QAEncoder: Towards Aligned Representation Learning in Question Answering Systems},
author = {Zhengren Wang and Qinhan Yu and Shida Wei and Zhiyu Li and Feiyu Xiong and Xiaoxing Wang and Simin Niu and Hao Liang and Wentao Zhang},
journal= {arXiv preprint arXiv:2409.20434},
year = {2025}
}
备注
ACL 2025 Oral