面向检索增强生成的统一主动检索
计算与语言
2024-10-04 v4
摘要
在检索增强生成（RAG）中，检索并非总是有帮助，将其应用于每条指令是次优的。因此，确定是否检索对于RAG至关重要，这通常被称为主动检索。然而，现有的主动检索方法面临两个挑战：1. 它们通常依赖于单一标准，难以处理各种类型的指令。2. 它们依赖于专门且高度差异化的流程，因此将它们组合起来会使RAG系统更加复杂并导致更高的响应延迟。为应对这些挑战，我们提出了统一主动检索（UAR）。UAR包含四个正交标准，并将其转化为即插即用的分类任务，从而以可忽略的额外推理成本实现多方面的检索时机判断。我们进一步引入了统一主动检索标准（UAR-Criteria），旨在通过标准化流程处理多样化的主动检索场景。在四种代表性用户指令类型上的实验表明，UAR在检索时机判断和下游任务性能方面显著优于现有工作，这显示了UAR的有效性及其对下游任务的有用性。
引用
@article{arxiv.2406.12534,
title = {Unified Active Retrieval for Retrieval Augmented Generation},
author = {Qinyuan Cheng and Xiaonan Li and Shimin Li and Qin Zhu and Zhangyue Yin and Yunfan Shao and Linyang Li and Tianxiang Sun and Hang Yan and Xipeng Qiu},
journal= {arXiv preprint arXiv:2406.12534},
year = {2024}
}
备注
Accepted to Findings of EMNLP 2024, camera-ready version