一篇新的研究论文提出了一种通过重组知识库以满足会话级信息需求来改进检索增强生成（RAG）系统的方法。当前的RAG系统针对单一查询进行了优化，但用户通常会有一系列相关问题。提出的共现感知聚类方法可以离线重组知识库，并在查询时扩展检索候选。该方法在WixQA数据集上将会话级覆盖率从41%提高到58%，同时还减少了检索调用次数并压缩了知识库大小。 AI
影响 这项研究通过更好地处理多轮用户交互，有望在企业环境中实现更高效、更全面的信息检索。
排序理由 该集群包含一篇详细介绍改进RAG系统新方法的论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.31156v1 Announce Type: cross Abstract: RAG systems retrieve documents optimized for answering one query at a time. Yet enterprise users arrive with sessions, that is, coherent episodes of related questions that span semantically distant parts of the knowledge base. We …
RAG systems retrieve documents optimized for answering one query at a time. Yet enterprise users arrive with sessions, that is, coherent episodes of related questions that span semantically distant parts of the knowledge base. We show that a single retrieval call over a standard …