研究人员推出CARA,这是一种新颖的、无需训练的代理,用于知识图谱上的问答。CARA通过评估检索到的证据的因果相关性来区分自己,而不是仅仅依赖文本相似性。它评估后果性(证据是否提高了可回答性)和必要性(移除证据是否削弱了可回答性)来指导图探索。在STaRK数据集上的实验表明,CARA的表现优于现有检索器,在更少的检索操作下提高了答案质量和忠实度。 AI
影响 这种因果相关性方法可以提高依赖知识图谱进行信息检索和问答的AI系统的准确性和效率。
排序理由 该集群包含一篇研究论文,详细介绍了知识图谱问答的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →