研究人员开发了LENS（潜在证据探索与搜索），一个用于动态原始文档上下文内搜索的新框架。与依赖预先物化证据的传统检索增强方法不同，LENS无需持久索引即可运行。它在候选证据单元上维护一个查询条件信念，并使用LLM相关性预言机和互补的提议策略在受控预算内迭代地改进此信念。这种方法使LENS能够适应文档变化，并与现有基线相比提供更强的支持事实定位和答案基础。 AI
影响 这种无需索引的方法可以通过减少对昂贵且过时的证据索引的依赖来简化LLM代理的操作。
排序理由 该集群描述了一篇关于用于上下文内搜索的新颖框架的详细研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.16185v1 Announce Type: cross Abstract: LLM agents increasingly answer questions over dynamic raw-document collections, where files may change before preprocessing, and relevant evidence (spans, sections, pages, or tables) is query-dependent. Existing retrieval-augmente…
LLM agents increasingly answer questions over dynamic raw-document collections, where files may change before preprocessing, and relevant evidence (spans, sections, pages, or tables) is query-dependent. Existing retrieval-augmented approaches pre-materialize evidence via fixed ch…