EviReform 通过重构查询改进多跳图检索

研究人员开发了 EviReform，一种用于多跳图检索的新方法，可提高查找相关段落的准确性。EviReform 将精炼检索请求的过程与图结构内证据的聚合分离开来。通过根据最初检索到的段落重构查询，该系统可以更好地识别信息需求的不足之处，并更有效地组合检索信号。该方法在 2WikiMultiHopQA、HotpotQA 和 MuSiQue 等基准数据集上显示出显著的改进，优于现有基线。 AI

影响 提高多跳检索的准确性，可能改进搜索和知识发现系统。

排序理由 该集群包含一篇详细介绍信息检索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• 2WikiMultiHopQA
• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• EviReform
• Gotit.pub
• HotpotQA
• Hugging Face
• MuSiQue
• ScienceCast

• 论文
• 其他

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