RegulaRAG 系统增强大语言模型对联合国汽车法规的合规性

研究人员开发了 RegulaRAG，这是一个新颖的检索增强生成（RAG）管道，旨在帮助大语言模型（LLMs）为安全关键的汽车系统生成符合法规的测试场景。该系统采用 SmartChunking 进行丰富的段落和表格检索，并结合了高效的检索和重排机制。在联合国法规第 152 号的测试中，RegulaRAG 的表现显著优于五个基线 RAG 系统，获得了 82.99 的 Meta-Score，比次优系统高出 43%，同时更有效地管理了 token 使用量。 AI

影响 增强了大语言模型在汽车安全等专业领域生成合规输出的能力。

排序理由 该集群包含一篇详细介绍大语言模型新应用方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• arXiv
• Large Language Models
• RegulaRAG
• retrieval-augmented generation
• SmartChunking
• UN Regulation No. 152
• Vahid Zolfaghari

• 论文
• 产品

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