TopoChunker框架保留文档拓扑以提高RAG性能

研究人员推出TopoChunker，一个新颖的代理框架，旨在通过保留文档的内在拓扑层次结构来改进检索增强生成（RAG）。与线性化文本的传统方法不同，TopoChunker将文档映射到结构化中间表示（SIR）以维护跨片段依赖关系。该框架采用双代理架构，其中检查员代理（Inspector Agent）优化提取路径，精炼代理（Refiner Agent）管理拓扑上下文，从而在GutenQA和GovReport等基准测试中取得了最先进的性能。 AI

影响 TopoChunker保留文档拓扑的方法可以显著提高RAG系统的准确性和效率，影响大型语言模型处理和检索复杂文档信息的方式。

排序理由 这是一篇详细介绍RAG中文档分块新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• GovReport
• GutenQA
• Inspector Agent
• Refiner Agent
• retrieval-augmented generation
• Structured Intermediate Representation
• TopoChunker
• Xiaoyu Liu

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →