PulseAugur
中
实时 09:11:50
English(EN) DynaKRAG: A Unified Framework for Learnable Evidence Control in Multi-Hop Retrieval-Augmented Generation

DynaKRAG框架通过学习证据控制增强多跳RAG

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了DynaKRAG，一个用于改进多跳检索增强生成（RAG）的新型框架，通过学习控制证据获取。该系统将过程表述为对原子证据操作的状态条件控制，允许学习控制器选择最佳的下一步。在与Qwen2.5-7B-Instruct模型一起测试时，DynaKRAG在HotpotQA、2WikiMultiHopQA和Musique等基准测试中表现出卓越的性能，优于现有的受控基线。 AI

影响 这项研究可能导致在复杂问答系统中更高效、更准确的信息检索。

排序理由 该集群包含一篇详细介绍检索增强生成新框架的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

DynaKRAG框架通过学习证据控制增强多跳RAG

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Yaqi Wu, Xiaolei Guo, Chenyu Zhou, Jiaqi Huang, Xianfa Zhang, Junxu Zhang, Zhuo Yu, Zhubo Shi, Jianghao Lin, Dongdong Ge ·

    DynaKRAG: A Unified Framework for Learnable Evidence Control in Multi-Hop Retrieval-Augmented Generation

    arXiv:2607.06507v1 Announce Type: new Abstract: Multi-hop retrieval-augmented generation (RAG) acquires evidence sequentially, with each new document potentially revealing missing facts, bridge entities, query defects, or sufficient support for answering. Existing methods provide…

  2. arXiv cs.CL TIER_1 English(EN) · Dongdong Ge ·

    DynaKRAG：多跳检索增强生成中可学习证据控制的统一框架

    Multi-hop retrieval-augmented generation (RAG) acquires evidence sequentially, with each new document potentially revealing missing facts, bridge entities, query defects, or sufficient support for answering. Existing methods provide useful operations such as iterative retrieval, …

相关实体

相关话题