English(EN) NeSy-RAG: Neuro-Symbolic RAG for Explainable Question Answering

新的RAG框架增强了问答系统的可解释性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-07 04:00

研究人员开发了NeSy-RAG，这是一个新颖的检索增强生成（RAG）框架，旨在增强问答系统的可解释性。该系统从检索到的文本中合成可归因的Prolog模块，从而实现透明的执行跟踪，将推理步骤与其原始来源联系起来。NeSy-RAG还包含一个机制来检测和解决用户特定上下文缺失的问题，从而提高其输出的完整性和准确性。在ShARC基准测试中，NeSy-RAG的准确率为61.1%，显著优于标准的RAG基线。 AI

影响该框架通过使其推理过程透明化，有望带来更值得信赖和可验证的AI驱动的问答系统。

排序理由该集群描述了一篇关于新颖问答框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jonas Gann, Michael Gertz · 2026-08-07 04:00

NeSy-RAG：用于可解释问答的神经符号RAG

arXiv:2608.06292v1 Announce Type: new Abstract: Retrieval-augmented generation (RAG) improves question answering by grounding large language models (LLMs) in external knowledge such as text corpora. However, its reasoning process remains largely opaque: intermediate reasoning ste…

报道来源 [1]

NeSy-RAG：用于可解释问答的神经符号RAG

相关实体

相关话题