研究人员开发了HistoRAG，一个专为历史研究设计的检索增强生成（RAG）新框架。该框架将检索与生成分离，纳入时间窗口以平衡信息源表示，并使用LLM作为裁判的评估方法来使相关性判断透明化。对1950-1979年《明镜周刊》文章的评估表明，HistoRAG解决了标准RAG的不足之处，例如词汇偏差和向量相似性与相关性之间的弱关联。 AI
影响 HistoRAG为将RAG架构应用于历史研究之外的解释性学科的认识论需求提供了一种模型。
排序理由 该集群描述了一篇介绍AI特定应用新框架的研究论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.18103v1 Announce Type: new Abstract: Retrieval-Augmented Generation (RAG) is the prevailing architecture for grounding language model outputs in external evidence, yet its dominant evaluation paradigms and default configurations remain oriented toward factual question-…
Retrieval-Augmented Generation (RAG) is the prevailing architecture for grounding language model outputs in external evidence, yet its dominant evaluation paradigms and default configurations remain oriented toward factual question-answering. For interpretive disciplines such as …