QuOTE：面向问题的文本嵌入
信息检索
2025-02-18 v1 人工智能
计算与语言
机器学习
摘要
我们提出 QuOTE（Question-Oriented Text Embeddings，面向问题的文本嵌入），这是一种检索增强生成（RAG）系统的新型增强方法，旨在改进文档表示以实现准确且精细的检索。与传统依赖嵌入原始文本块的 RAG 流水线不同，QuOTE 通过补充该文本块可能回答的假设性问题来增强文本块，丰富了表示空间。这使文档嵌入更好地对齐用户查询语义，并有助于解决模糊性和上下文相关相关性等问题。通过在多样化基准上的广泛实验，我们证明了 QuOTE 显著提升了检索准确率，包括在多跳问答任务中。我们的发现强调了问题生成作为一种基础索引策略的多功能性，为将问题生成集成到基于检索的 AI 流水线中开辟了新途径。
引用
@article{arxiv.2502.10976,
title = {QuOTE: Question-Oriented Text Embeddings},
author = {Andrew Neeser and Kaylen Latimer and Aadyant Khatri and Chris Latimer and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:2502.10976},
year = {2025}
}