UiS-IAI@LiveRAG：基于信息小块的检索增强生成响应
信息检索
2025-06-30 v1
摘要
检索增强生成(RAG)面临事实正确性、来源归属和响应完整性等挑战。LiveRAG挑战在SIGIR'25上举办，旨在使用固定语料库和共享开源LLM推进RAG研究。我们提出了一个作用于信息小块——从检索文档中提取的最小、原子化的相关信息单元——的模块化管道。该多阶段管道包括查询重写、段落检索和重排序、小块检测和聚类、聚类排序和总结以及响应流畅度增强。该设计本质上促进了对特定事实的 grounding，便于来源归属，并确保在长度限制内最大限度地包含信息。在此挑战中，我们扩展了关注范围，同样关注RAG的检索组件，基于我们先前关于多层次查询重写的工作进行构建。此外，对于增强生成，我们专注于改进上下文策展能力，最大化响应中覆盖的信息范围，同时确保管道效率。我们的结果表明，将原始查询与少量子查询重写组合可提升召回率，而增加用于重排序和生成的文档数量在超过一定点后会降低效果，且未提高响应质量。
引用
@article{arxiv.2506.22210,
title = {UiS-IAI@LiveRAG: Retrieval-Augmented Information Nugget-Based Generation of Responses},
author = {Weronika Łajewska and Ivica Kostric and Gabriel Iturra-Bocaz and Mariam Arustashvili and Krisztian Balog},
journal= {arXiv preprint arXiv:2506.22210},
year = {2025}
}