PulseAugur
中
实时 10:06:37
English(EN) KAMR: Grounding Generation via Knowledge-Aligned Multi-hop Retrieval

新的KAMR检索器改进了用于LLM问答的多跳检索

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的知识对齐多跳检索器KAMR，旨在提高依赖于组合多个知识图谱三元组的问答系统的准确性。与现有独立对三元组进行排名的现有方法不同，KAMR区分了强查询约束的锚定三元组和弱对齐但结构上连接的连接三元组。为了解决查询-三元组对齐缺乏监督的问题，通过掩盖三元组元素并提示LLM生成相应的查询来创建了一个部分对齐数据集。KAMR在各种基准测试和LLM骨干网络上持续提高多跳检索和下游问答性能。 AI

影响 通过改进LLM访问和综合知识图谱信息的方式，增强了LLM的推理能力。

排序理由 该项目是一篇研究论文，详细介绍了一种新的信息检索方法。[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 1 个来源。 我们如何撰写摘要 →

新的KAMR检索器改进了用于LLM问答的多跳检索

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Fenglong Ma ·

    KAMR：通过知识对齐的多跳检索实现生成基础

    Graph-based retrieval-augmented generation increasingly relies on multi-hop retrieval, where answering a query requires composing multiple connected knowledge-graph triplets. However, existing retrievers often rank triplets independently via global semantic matching. Moreover, ma…

相关实体

相关话题