研究人员推出了QO-Bench，一个旨在评估检索增强生成（RAG）系统在结构化事件数据上回答问题时保留查询算子能力的新基准。该基准由22,984篇新闻文章和614个公司事件组成，包含785个需要精确查询执行而非仅仅语义相关性的问题。当前的RAG系统在维护连接（joins）和交集（intersections）等算子所需的类型化值方面存在困难，常常在检索过程中丢弃关键信息。即使有完美的证据，算子执行仍然是一个重大瓶颈，表明需要改进答案模型，而不仅仅是更好的检索。 AI
影响 突出了结构化数据RAG系统的一个关键瓶颈，推动研究朝着算子保持检索和更好的答案模型发展。
排序理由 该集群包含一篇介绍AI系统评估新基准的研究论文。[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 →