研究人员开发了APS-RAG平台，旨在通过自然语言查询使先进光子源（APS）的海量操作知识可访问。该系统集成了多种检索方法，包括密集、稀疏和知识图谱通道，并通过纠错代理循环和ReAct执行器进行增强。创建了一个评估数据集APS-Bench来评估系统的性能，完整的代理GraphRAG实现了70.3%的严格关键信息召回率，显著优于朴素的BM25基线。 AI
影响 该系统为大型科学仪器中的AI辅助提供了一个可转移的工作流程，改善了对操作知识的访问。
排序理由 该条目描述了一篇研究论文，其中详细介绍了一种用于科学设施的新系统和评估方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Advanced Photon Source
- Agentic GraphRAG
- APS-Bench
- APS-RAG
- BM25
- Hugging Face
- Model Context Protocol
- ReAct
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
