研究人员推出W-RAG,一个旨在通过改进检索增强生成(RAG)管道来增强企业文档生成的新型框架。与使用单一相似性函数处理所有来源的标准RAG不同,W-RAG采用源感知检索。该方法包括本体引导检索、各个知识库内的局部排序以及源级别加权,以确保上下文组成的平衡。使用新数据集进行的实验证明了W-RAG在提高异构企业知识库的文档覆盖率和生成质量方面的有效性。 AI
影响 通过提高LLM输出的事实依据和覆盖范围,增强了来自异构知识库的企业文档生成能力。
排序理由 该集群包含一篇详细介绍检索增强生成新方法的学术论文。
- arXiv
- Hugging Face
- large-language models
- retrieval-augmented generation
- W-RAG
- alphaXiv
- CatalyzeX
- cs.CL
- cs.IR
- DagsHub
- enterprise document generation
- Gotit.pub
- local ranking
- ontology-guided retrieval
- ScienceCast
- source-level weighting
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →