研究人员引入了一个新的框架来评估 Agentic GraphRAG 系统中的引用忠实度。他们的工作将引用忠实度视为一个轨迹层面的问题，强调最终的引用不仅应反映答案的支持，还应反映图的遍历、结构以及任何访问过但未被引用的实体。实验表明，虽然引用的证据对答案的准确性至关重要，但未引用的上下文和图结构也显著影响正确响应，这表明需要超越简单的来源支持的来源考量评估。 AI
影响 为复杂的检索系统中的引用忠实度提出了一种新的评估指标，有可能提高 AI 生成答案的可靠性。
排序理由 一篇在 arXiv 上发表的学术论文，详细介绍了 Agentic GraphRAG 系统引用忠实度评估的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
