面向电子-离子子对撞机的科学文献检索增强问答
高能物理 - 实验
2026-04-03 v1 人工智能
仪器与探测器
摘要
为充分发挥语言模型在回答特定领域专业技术问题方面的能力，检索增强生成（Retrieval Augmented Generation，RAG）已被广泛应用于。本文开发了一个受RAG启发的问答应用程序，由内部数据库索引而来，数据库以与电子-离子子对撞机（EIC）实验相关的arXiv文章构建，后者是世界上最大的国际科研合作项目之一，并集成了开源LLaMA模型用于答案生成。这是一个建立在专有模型和云端外部知识库之上的其 proceeding application的扩展。这一本地部署的RAG系统提供了一个具有成本效益、资源受限的替代方案，用于构建RAG辅助的问答应用程序，以回答实验核物理领域的特定查询。该设置促进了数据隐私，避免将任何未发布的科学数据和信息发送到公共域。未来的改进将扩展知识库以涵盖多样化的EIC相关出版物和报告，并将应用程序管道编排升级到LangGraph框架。
引用
@article{arxiv.2604.02259,
title = {Retrieval-Augmented Question Answering over Scientific Literature for the Electron-Ion Collider},
author = {Tina. J. Jat and T. Ghosh and Karthik Suresh},
journal= {arXiv preprint arXiv:2604.02259},
year = {2026}
}