研究人员开发了HyperAddress,一种新颖的基于图的检索增强生成(GraphRAG)方法,可增强多跳问答能力。与累积相关性错误或产生高推理成本的现有方法不同,HyperAddress利用注意力头在任何生成发生之前解决隐式实体引用。该方法利用描述标记超图上的个性化PageRank,并通过注意力头引导检索过程。实验表明,HyperAddress在MuSiQue和HotpotQA等数据集上显著优于当前基线,提供了更快的查询时间和更低的索引构建成本。 AI
影响 这种新的检索方法可以显著提高多跳问答系统的准确性和效率。
排序理由 详细介绍一种新信息检索方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →