研究人员开发了 HybridRAG-BN，一个专为孟加拉语问答设计的新型检索增强框架。该系统集成了使用 BM25 和 BGE-M3 的混合检索方法，采用 Gemma 4 31B Instruct 进行答案生成和验证，并包含一个使用 DuckDuckGo 进行回退答案的后处理步骤。HybridRAG-BN 在一项竞赛中获得第一名，其 token 级 F1 分数分别为 0.71654 和 0.72912，证明了其有效性。 AI
影响 该框架推动了低资源语言的自然语言处理能力，有望使信息检索系统获得更广泛的应用。
排序理由 该集群描述了一篇详细介绍针对低资源语言特定 NLP 任务（KBQA）的新型框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Bangla
- BGE M3-Embedding: Multi-Lingual, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation
- BM25
- DuckDuckGo
- Gemma 4 31B Instruct
- HybridRAG-BN
- LoRA+
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
