让RAG真正读懂“言外之意”！新框架引入词汇多样性，刷新多项基准SOTA

主要观点总结

文章介绍了在ACL 2025最新研究中，来自北航、北大和中关村实验室的研究团队提出的DRAG框架，该框架首次系统性地将词汇多样性引入RAG的检索与生成过程。该框架通过两大关键创新解决词汇多样性带来的挑战，并在多项基准任务中实现了显著的性能提升，包括在HotpotQA上的准确率提升10.6%。

关键观点总结

关键观点1: 词汇多样性的引入

研究团队首次将词汇多样性引入RAG的检索与生成过程，解决了现有RAG方法普遍忽视词汇多样性导致的问题。

关键观点2: 两大关键创新

研究团队提出了两大关键创新来解决词汇多样性带来的挑战，包括Diversity-sensitive Relevance Analyzer（DRA）和Risk-guided Sparse Calibration（RSC）。

关键观点3: 性能提升显著

在多项基准任务中，该方法带来了显著性能提升，尤其在HotpotQA上准确率提升10.6%，并在不同模型上均表现出显著增益。

关键观点4: 研究价值与应用前景

研究团队认为该方法对信息检索、问答系统、专业领域大模型应用都具有重要价值，并计划进一步拓展该方法到更多专业场景。