Attributable RAG (RAGQ)

新的 RAG 框架 QDRAG 改进了问题分解和引用准确性

一篇新的研究论文介绍了一个名为 QDRAG 的框架，该框架旨在通过将复杂问题分解为更小、更原子的子问题来改进检索增强生成（RAG）系统。这种方法旨在通过识别隐式实体和修剪不相关上下文来提高泛化能力和引用准确性，尤其是在多跳推理和多模态理解方面。实验表明，QDRAG 在多模态 QA 基准测试中优于包括 Gemini Pro 在内的现有方法，证明了其在 grounding 答案和生成忠实引用方面的有效性。