研究人员开发了 QESChunker,一种用于在检索增强生成 (RAG) 系统中构建静态分块索引的新颖方法。与以前基于启发式的方法不同,QESChunker 利用问题-证据监督来优化特定文档的分块索引。这种方法将重叠和非重叠分块策略统一到一个单一目标中,将分块视为一个监督组合优化问题。跨多个数据集的实验表明,QESChunker 变体在证据召回方面优于现有方法。 AI
影响 这项研究通过优化文档分块方式以更好地检索证据,从而可能提高 RAG 系统的效率和有效性。
排序理由 该集群包含一篇详细介绍 RAG 分块新方法的学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- QESChunker
- Question--Evidence-Supervised Chunker
- retrieval-augmented generation
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →