PulseAugur
中
实时 09:45:08
English(EN) SciRet: A Compute-Aware Empirical Study of Retrieval and Reranking for Scientific RAG

新研究评估用于科学问答的RAG流程 · 已追踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了SciRet，一项使用CORD-19数据集研究用于科学问答的检索增强生成（RAG）的研究。该研究评估了一个固定的RAG流程在三种不同语料库规模下的表现，发现混合检索方法比仅稀疏或仅密集的方法更具鲁棒性。然而，在MS MARCO上训练的交叉编码器重排序器在科学语料库上降低了精度，表明可能存在领域不匹配问题。使用RAGAS测量的生成答案的忠实度随着语料库规模的增大而提高。 AI

影响 为优化科学RAG的检索方法提供了见解，可能提高领域特定应用的准确性和效率。

排序理由 该集群包含两篇相同的arXiv提交的研究论文，详细介绍了RAG的实证研究。

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 →

新研究评估用于科学问答的RAG流程 · 已追踪2个来源

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Kaysarul Anas Apurba, Md. Hasibul Hasan, Rofiqul Alam Shehab, Asab Azad ·

    SciRet: A Compute-Aware Empirical Study of Retrieval and Reranking for Scientific RAG

    arXiv:2608.03860v1 Announce Type: cross Abstract: We introduce SciRet, a compute-aware empirical study of retrieval-augmented generation for scientific question answering over CORD-19. Rather than proposing a new model, we evaluate a fixed scientific RAG pipeline across three cor…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Asab Azad ·

    SciRet: A Compute-Aware Empirical Study of Retrieval and Reranking for Scientific RAG

    We introduce SciRet, a compute-aware empirical study of retrieval-augmented generation for scientific question answering over CORD-19. Rather than proposing a new model, we evaluate a fixed scientific RAG pipeline across three corpus scales: 1,034 chunks (1K papers), 5,160 chunks…

相关实体

相关话题