研究人员推出了BEAR，一个旨在通过有效分配有限证据预算来优化多文档推理的框架。与全上下文推理或简单块检索不同，BEAR在离线构建分层语义索引，并在查询时采用粗粒度到细粒度的证据访问策略。这种结合了探索和恢复路径的方法，允许模型在显著更小的查询时证据预算下运行，同时在DragonBall、HotpotQA和2Wiki等基准测试上取得有竞争力或更优的结果。 AI
影响 BEAR的证据分配方法可能导致大型语言模型中更高效、更具成本效益的推理，特别是在计算预算有限的情况下。
排序理由 这是一篇详细介绍多文档推理新框架的研究论文。[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 →
