新的PRISM框架使用LLM代理进行精确的多跳问答

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-31 04:00

研究人员推出了一种新颖的代理检索框架PRISM，旨在通过利用大型语言模型来增强多跳问答能力。PRISM使用问题分析器将复杂查询分解为子问题，然后采用选择器代理精确识别相关上下文，并使用添加器代理整合任何缺失的证据。这个迭代过程旨在生成一个紧凑但全面的证据集，减少噪声并提高下游问答模型的准确性。在HotpotQA和MuSiQue等基准测试上的实验表明，PRISM的表现优于现有基线。 AI

影响提高了复杂问答系统检索的准确性，有望改善需要深度信息综合的应用的性能。

排序理由该集群包含一篇详细介绍新型问答框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新型问答框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Md Mahadi Hasan Nahid, Davood Rafiei · 2026-08-31 04:00

PRISM：利用LLM进行多跳问答的智能检索

arXiv:2510.14278v2 Announce Type: replace Abstract: Retrieval plays a central role in multi-hop question answering (QA), where answering complex questions requires gathering multiple pieces of evidence. We propose PRISM, an agentic retrieval framework that leverages large languag…

本文如何被排名

报道来源 [1]

PRISM：利用LLM进行多跳问答的智能检索

相关实体

相关话题