DR-RAG：理想汽车最新RAG研究成果，准确率和响应时间远超其他RAG框架

文章预览

DR-RAG：理想汽车最新RAG研究成果，准确率和响应时间远超其他RAG框架 发布时间：2024 年 06 月 11 日 RAG DR-RAG: Applying Dynamic Document Relevance to Retrieval-Augmented Generation for Question-Answering Retrieval-Augmented Generation (RAG) 显著提升了大型语言模型在知识密集型任务，如问答中的表现。通过整合外部知识库，RAG 扩展了查询上下文，增强了回答的准确性。但每次查询多次调用 LLMs 效率不高，且单次查询难以检索所有相关文档。我们发现，尽管某些关键文档与查询关联度低，通过结合文档片段与查询，仍可检索到其他相关文档。为此，我们提出了 Dynamic-Relevant Retrieval-Augmented Generation (DR-RAG)，一种两阶段检索框架，旨在提升文档检索的召回率和答案准确性，同时保持高效。此外，一个小型分类器用于两种选择策略，以评估检索文档对回答查询的贡献，并筛选出相对相关 ………………………………