PulseAugur
中
实时 09:43:12
English(EN) When Should Multi-Round RAG Stop? Structured Stopping Judgments and Retrieval Reduction in Search-R1

新的 RAG 方法在保持准确性的同时减少了检索调用

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新的多轮检索增强生成（RAG）系统方法，用于确定何时停止搜索信息。通过采用结构化充分性-差距判断方法，他们在冻结的 Search-R1 管道中训练了一个 Qwen3.5-2B 模型作为裁判。该方法在测试集上成功将检索调用减少了 3.70%，同时答案准确性仅略微下降了 0.625 个百分点。 AI

影响 这项研究通过减少不必要的检索操作，有望实现更高效、更具成本效益的 RAG 系统。

排序理由 该集群包含一篇详细介绍改进 RAG 系统新方法的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的 RAG 方法在保持准确性的同时减少了检索调用

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Weimeng Luo ·

    何时应停止多轮 RAG？Search-R1 中的结构化停止判断与检索缩减

    arXiv:2608.13237v1 Announce Type: cross Abstract: Multi-round retrieval-augmented generation (RAG) must decide when to stop searching as evidence accumulates. Because the deployed policy is determined by the first STOP on each trajectory, this is a sequential selection problem ra…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Weimeng Luo ·

    多轮 RAG 何时停止？Search-R1 中的结构化停止判断与检索缩减

    Multi-round retrieval-augmented generation (RAG) must decide when to stop searching as evidence accumulates. Because the deployed policy is determined by the first STOP on each trajectory, this is a sequential selection problem rather than an independent state-classification task…

相关实体

相关话题