PulseAugur
中
实时 02:08:17
English(EN) MKG-RAG-Bench: Benchmarking Retrieval in Multimodal Knowledge Graph-Augmented Generation

新基准评估多模态知识图谱增强生成中的检索性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 MKG-RAG-Bench，这是一个旨在评估多模态知识图谱增强生成 (MKG-RAG) 系统中检索性能的新基准。现有基准通常忽略多模态知识的复杂性，因为多模态知识是异构的且难以跨不同模态进行对齐。MKG-RAG-Bench 通过使用来自通用和医疗领域的两个多模态知识图谱，以及对齐的问答数据集来评估检索和生成能力，从而解决了这一问题。实验表明，有效的多模态检索对于 MKG-RAG 系统的整体性能至关重要，检索质量直接影响生成结果。 AI

影响 该基准旨在通过解决多模态知识检索中的挑战来改进大型语言模型的接地。

排序理由 该集群包含一篇介绍用于评估特定人工智能技术的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新基准评估多模态知识图谱增强生成中的检索性能

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xiaochen Wang, Bao Hoang, Han Liu, Ting Wang, Fenglong Ma ·

    MKG-RAG-Bench：多模态知识图谱增强生成中的检索基准测试

    arXiv:2606.26458v1 Announce Type: new Abstract: Retrieval-augmented generation (RAG) over knowledge graphs has emerged as a promising approach for grounding large language models, yet existing benchmarks largely overlook the challenges of retrieval in multimodal knowledge graph R…

相关实体

相关话题