清华最新RAG框架：Adaptive-Note RAG，比Adaptive RAG还要好

文章预览

1. 为什么要提出 Adaptive-Note RAG？ RAG（检索增强生成）技术是一种能有效解决LLM（大语言模型）幻觉问题的可靠手段，通过借助外部非参数化知识，帮助LLMs拓展其知识边界。 但是，传统RAG在长问答、多跳问答等复杂任务时，往往很难收集到足够信息。 • 多跳问答中，要回答“What does the acronym of the organization Danish Football Union is part of stands for?”这一问题，首先需要检索到“FIFA”这个缩写，然后再检索“FIFA”代表的含义。 • 长形式问答中，处理模糊查询需要探索多个相关方面，并深入细节，以生成全面且详尽的答案。为了应对这一挑战，自适应 RAG（ARAG）尝试灵活决定“何时以及检索什么”，以捕获更多有价值的知识，回答复杂问答。 尽管 ARAG 在性能上有所提升，但主流的 ARAG 方法仍存在不足，主要因为两点限制： • 首先，每次检索都会立即触发 ………………………………