PageIndex
PulseAugur coverage of PageIndex — every cluster mentioning PageIndex across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
RAG 系统优先考虑可验证的引用而非 AI 生成的答案
一位开发者详细介绍了一个检索增强生成（RAG）系统，该系统专为可验证引用至关重要的关键领域而设计。该系统的核心功能是一个硬拒绝门：如果答案的置信度得分低于设定的阈值，系统将拒绝响应，而不是提供可能不正确的答案。这种方法确保系统的每一个声明都直接可追溯到特定的文档、页面或引文，使其在受监管的环境中可审计且值得信赖。该实现利用 IBM 的 Docling 解析复杂的 PDF 文件，采用父子分块策略以实现精确检索和上下文相关的答案，并使用可…
-
无向量 RAG 模仿人类导航以改进文档检索
一种名为无向量 RAG 的检索增强生成（RAG）新方法绕过了对传统向量数据库的需求。该方法通过利用文档的固有结构（如标题和目录）来定位相关信息，从而模仿人类文档导航。与依赖文本块语义相似性的标准 RAG 不同，无向量 RAG 允许 LLM 推理文档结构，识别相关部分，然后生成答案。
-
LLM引导的规划系统提高了核监管文件的准确性
研究人员开发了一个LLM引导的规划系统，旨在提高对复杂核监管文件的多跳推理能力。该系统将任务构建为一个规划问题，其中LLM代理使用浏览、阅读和搜索等工具导航文档树，并维护一个动态知识图谱。在针对NuScale最终安全分析报告文件的200个问题的基准测试中，该系统达到了81.5%的准确率，显著优于PageIndex、LightRAG、HippoRAG和GraphRAG等其他RAG方法。
-
VectifyAI 的 PageIndex 在无向量嵌入的 RAG 中达到 98.7% 的准确率
VectifyAI 开发了一个名为 PageIndex 的新检索增强生成（RAG）系统，在金融文档检索任务中达到了 98.7% 的准确率。该系统显著绕过了传统的向量相似性方法，而是利用逻辑推理。开源的 PageIndex 旨在通过提供更精确、可能更高效的信息检索方法来彻底改变 AI 搜索。