一篇新研究论文探讨了在时间数据中检测趋势的挑战，特别是在检索增强生成 (RAG) 系统中。作者（包括 Matthew Grofsky）为 RAG 提出了一种轻量级、与模型无关的时间层。他们的工作将数据新鲜度和主题演变的问题分开，并以网络安全数据 (NVD CVE) 作为测试案例。该论文强调了当前启发式跟踪方法的局限性，并提供了一个可重现的框架来解耦这些时间方面。 AI
影响 提高了 RAG 系统处理时间敏感信息的能力，这对于网络安全威胁检测等应用至关重要。
排序理由 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了一种新的时间 RAG 方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
