研究人员开发了 CORAL，一种用于多语言检索增强生成（mRAG）的自适应检索方法。该系统根据检索证据的质量和文化对齐情况，迭代地优化检索语料库和查询本身。CORAL 旨在解决固定检索空间带来的局限性，因为这些空间可能导致文化上不相关的答案，尤其是在针对特定文化背景的查询时。在文化问答基准测试中的评估显示，与现有方法相比，CORAL 在低资源语言上的准确性提高了多达 3.58 个百分点。 AI
影响 通过提高文化相关性和准确性来增强多语言 RAG 系统，尤其对低资源语言有益。
排序理由 该集群描述了一篇关于多语言 RAG 新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.25676v1 Announce Type: new Abstract: Multilingual retrieval-augmented generation (mRAG) is often implemented within a fixed retrieval space, typically via query or document translation or multilingual embedding vector representations. However, this approach may be inad…
Multilingual retrieval-augmented generation (mRAG) is often implemented within a fixed retrieval space, typically via query or document translation or multilingual embedding vector representations. However, this approach may be inadequate for culturally grounded queries, in which…