Telco-oRAG：基于混合检索和神经路由优化电信查询的检索增强生成
信息检索
2025-12-03 v2
摘要
人工智能将是下一代移动网络（6G）的关键支柱，预计将提供新型增值服务并提升网络性能。在此背景下，大型语言模型有望通过意图理解、智能知识检索、编码能力和跨域编排能力来彻底改变电信领域。本文提出了 Telco-oRAG，一个开源检索增强生成（RAG）框架，针对电信领域技术问题进行了优化，尤其侧重于 3GPP 标准。Telco-oRAG 引入了一种混合检索策略，将 3GPP 领域特定检索与 web 搜索相结合，支持术语增强查询细化和内存高效检索的神经路由。我们的结果显示，Telco-oRAG 在回答 3GPP 相关问题时准确率提升最高可达 17.6%，在词汇表查询方面实现 10.6% 的提升。此外，Telco-oRAG 通过针对性检索相关 3GPP 系列数据，比基线 RAG 减少 45% 的内存使用，并使开源 LLM 达到 GPT-4 水平的电信基准准确率。
引用
@article{arxiv.2505.11856,
title = {Telco-oRAG: Optimizing Retrieval-augmented Generation for Telecom Queries via Hybrid Retrieval and Neural Routing},
author = {Andrei-Laurentiu Bornea and Fadhel Ayed and Antonio De Domenico and Nicola Piovesan and Tareq Si Salem and Ali Maatouk},
journal= {arXiv preprint arXiv:2505.11856},
year = {2025}
}
备注
12 pages, 10 figures, 4 tables