研究人员开发了用于构建知识图谱和从印度知识体系检索证据的新颖方法。第一种方法利用 Qwen3-32B 来链接实体和关系,在 Dhara Bench 上实现了高精度和高召回率,尤其是在处理多跳问题时。第二个系统 Dhara 结合了混合搜索、实体笔记和模糊诗句检索,其性能优于传统方法,并在多项指标上与 Gemini 展开竞争。这两个系统都旨在平衡复杂信息检索任务的相关性、完整性和检索成本。 AI
影响 这些系统推进了针对复杂、多语言数据集的信息检索技术,有望改善对专业知识的获取。
排序理由 该集群包含两篇 arXiv 论文,详细介绍了在专业知识系统信息检索领域的新研究。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Avinash Holenarasipur Nagendra
- BGE M3-Embedding: Multi-Lingual, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation
- BM25
- ColBERTv2
- Gemini
- Hugging Face
- Indian Knowledge Systems
- Qwen
- arXiv
- Dhara Bench
- Entity Notes
- Gemini 3.7 Flash
- Qwen3-32B
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →