PulseAugur
实时 22:02:57
English(EN) Don't Retrieve, Navigate: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG

新方法将企业知识提炼为用于问答的可导航代理技能

研究人员开发了一种名为 Corpus2Skill 的新方法,通过允许 LLM 代理导航从文档语料库派生的分层技能目录来增强检索增强生成 (RAG)。这种方法使代理能够更好地理解语料库结构,从无益的搜索路径中回溯,并综合来自不同来源的信息。与现有的 RAG 方法相比,Corpus2Skill 在 WixQA 企业客户支持基准测试中表现出优越的性能,并在各种 RAGBench 子集上显示出强大的泛化能力,特别是在单领域、原子文档语料库方面。 AI

影响 通过使代理能够导航知识层次结构来增强 RAG 系统,从而改进企业问答的信息检索和综合。

排序理由 这是一篇详细介绍改进 RAG 系统新方法的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法将企业知识提炼为用于问答的可导航代理技能

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Yiqun Sun, Pengfei Wei, Lawrence B. Hsieh ·

    Don't Retrieve, Navigate: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG

    arXiv:2604.14572v2 Announce Type: replace-cross Abstract: Retrieval-Augmented Generation (RAG) grounds LLM responses in external evidence but treats the model as a passive consumer of search results: it never sees how the corpus is organized or what it has not yet retrieved, limi…