论文浅尝 | 检索增强生成中的生成-然后-验证方法用于多跳问答（ACL2024）

文章预览

笔记整理：和东顺，天津大学硕士，研究方向为软件缺陷分析 论文链接：https://aclanthology.org/2024.acl-long.397/ 发表会议：ACL 2024 1. 动机 多跳问答任务（ MHQA ）对大型语言模型（ LLMs ）提出了重大挑战，因为这类任务要求密集的知识来推导答案。目前的解决方案，例如检索增强生成（ Retrieval-Augmented Generation ），通常从外部语料库中检索潜在文档以读取答案。然而，这种 “ 检索 - 然后 - 阅读 ” 范式的表现受到检索器性能和检索文档中不可避免的噪声的影响。为了解决这些问题，作者提出了一个新的 “ 生成 - 然后 - 验证 ” （ GenGround ）框架，旨在结合 LLMs 的参数化知识和外部文档来解决多跳问题。 图 1: 上图描述了与 MHQA 任务中常用的 " 检索 -- 即读 " 范式的比较。下图显示了 本文的 方法和基线在四个 MHQA 基准中的性能 2. 贡献 (1)提出了一种新 ………………………………