TopClustRAG：用于 SIGIR 2025 LiveRAG 挑战的聚类检索增强生成系统
计算与语言
2025-06-19 v1
摘要
我们提出 TopClustRAG，这是一个为 LiveRAG 挑战开发的检索增强生成 (RAG) 系统，旨在评估大规模 Web 语料库上的端到端问答。该系统采用稀疏索引和稠密索引相结合的混合检索策略，随后采用 K 均值聚类对语义相似的段落进行分组。从每个聚类中选取代表性段落，用于构建针对每个聚类的提示 (prompt)，以大语言模型 (LLM) 生成中间答案。这些答案经筛选、重排序后，最终综合生成一个全面且一致的响应。该多阶段管道通过增强答案的多样性、相关性以及对检索证据的忠实度。我们在 FineWeb Sample-10BT 数据集上对 TopClustRAG 进行评估，其在官方排行榜上在忠实度方面排名第 2，在正确性方面排名第 7，展示了聚类式上下文过滤和提示聚合在大规模 RAG 系统中的有效性。
引用
@article{arxiv.2506.15246,
title = {TopClustRAG at SIGIR 2025 LiveRAG Challenge},
author = {Juli Bakagianni and John Pavlopoulos and Aristidis Likas},
journal= {arXiv preprint arXiv:2506.15246},
year = {2025}
}