研究人员开发了REPAIR,一个新颖的数据增强框架,旨在提高科学信息检索系统的准确性。这个自演进框架解决了长尾概念和科学语料库的事实敏感性带来的挑战,而这些因素常常阻碍密集检索器和LLM的集成。REPAIR通过识别知识差距、通过API指导扩展证据以及通过硬负例挖掘来精炼区分,从而将检索 grounding 在事实现实中,从而迭代地生成训练数据。实验表明,REPAIR在九个材料科学和生物医学基准测试中超越了19个已建立的基线,这突显了对长尾缺陷进行事实增强数据的重要性。 AI
影响 增强了AI驱动的科学文献搜索和分析工具的可靠性。
排序理由 该集群描述了一篇关于改进科学信息检索的新颖框架的新研究论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- REPAIR
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →