研究人员开发了一个名为 DS@GT 的金融考试多语言问答系统，该系统利用了基于 LangGraph 构建的检索增强管道。该系统识别查询语言，并使用 BGE-M3 嵌入和 FAISS 索引从大型知识库中检索相关信息。它通过分析下一个 token 的对数概率而不是生成自由文本来对潜在答案进行评分，采用了一种称为检索增强直接评分 (RADS) 的策略。对于资源较少的语言，它使用加权倒数排名融合来融合检索索引。该系统根据语言将查询路由到不同的模型，选择 Qwen3-14B 用于阿拉伯语、中文和印地语；Qwen2.5-14B 用于英语；Llama-3.1-8B 用于希腊语，在发现跨语言的显著性能差异后。值得注意的是，思维链提示被发现会降低希腊语的准确性，而启用 Qwen3 的默认思考模式则对阿拉伯语的性能产生了负面影响。 AI
影响 这项研究展示了在专业领域中多语言自然语言处理的先进技术，有可能提高不同语言在金融知识方面的可及性。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种新颖的多语言金融问答系统。[lever_c_demoted from research: ic=1 ai=1.0]
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 →
