Question Answering
PulseAugur coverage of Question Answering — every cluster mentioning Question Answering across labs, papers, and developer communities, ranked by signal.
- instance of Gotit.pub 90%
- instance of CatalyzeX 90%
- used by ScienceCast 70%
- instance of alphaXiv 70%
- used by CatalyzeX 70%
- instance of ScienceCast 70%
- instance of CORE Recommender 70%
- used by Gotit.pub 60%
- used by alphaXiv 60%
- used by Litmaps 60%
- used by Connected Papers 60%
- used by scite Smart Citations 60%
3 天有情绪数据
-
新方法改进了用于问答的大语言模型不确定性量化
研究人员开发了一种名为 Neighborhood Elites (NE) 的新方法,以改进问答大型语言模型中的不确定性量化。该技术旨在识别大型语言模型何时会产生与正确答案无法区分的错误答案。NE 通过系统地生成保留答案但控制编辑类型和答案在上下文中支持明确性的多样化输入重写来实现这一点。跨多个问答数据集和大型语言模型的实验表明,与其它方法相比,NE 显著提高了故障检测能力。
-
新方法改进了问答中大型语言模型的不确定性检测
研究人员开发了一种名为Neighborhood Elites (NE)的新方法,以改进问答大型语言模型中的不确定性量化。传统方法存在困难,因为它们无法控制输入扰动的类型或上下文明确支持答案的程度。NE通过将输入扰动构建为质量-多样性搜索问题来解决这个问题,创建了编辑类型和支持明确性各不相同的、保留答案的重写。在五个数据集和五个大型语言模型上,NE与其它方法相比显著提高了故障检测能力,优于语义熵计算。
-
Tessera系统通过保留结构化证据来增强网络RAG
研究人员推出Tessera,一个旨在通过将检索过程与读取器上下文分离来改进网络检索增强生成(RAG)的新颖系统。与将页面分割成固定大小块的传统RAG方法不同,Tessera将HTML重构为细粒度的证据单元,保留了表格和信息框等结构化内容。这种方法在各种问答基准和RAG管道配置中,将答案准确性提高了5到6个百分点,而没有增加令牌预算。
-
新研究探讨大语言模型状态跟踪、效率和评估标准
新研究探讨了大语言模型在不同领域的性能和局限性。StateBench 评估了模型在长文档中跟踪状态变化的能力,发现虽然循环架构显示出潜力,但即使是 Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Sol 等先进模型在复杂状态跟踪方面也存在困难。其他研究调查了通过平衡权重精度和答案顺序平均来优化小型语言模型,分析了全球南方模型使用的“标记化溢价”和“主权成本”,并引入了“Sable”系统,用于量化 Tr…
-
发布新的印度尼西亚临床营养问答基准
研究人员推出了IndoNutriQA,这是一个旨在推进印度尼西亚临床问答的新基准数据集。这个专家策划的数据集包含911个问答对,源自临床营养报告,每个条目都基于相关的医学背景,并用结构化元数据进行丰富。IndoNutriQA支持多种问答方法,包括生成式、抽取式和检索增强式方法,旨在促进印度尼西亚临床自然语言处理和决策支持系统的研究。
-
新基准评估复杂金融文档上的 RAG 系统
研究人员推出了 VisR-RAG-Fin,这是一个新的基准,旨在评估检索增强生成(RAG)系统在视觉复杂的金融文档上的表现。这些文档包含文本、表格、图表和复杂的布局,对当前的 RAG 系统提出了重大挑战。该基准旨在为严格评估各种配置下的 RAG 性能提供基础,为处理此类企业文档的开发人员提供实用见解。
-
新的强化学习框架增强了多模态知识图谱的构建
研究人员推出了一种名为MMKG-R1的新框架,该框架利用强化学习来构建高质量的多模态知识图谱(MMKGs)。该方法直接评估从各种来源提取的信息以及组装好的MMKG本身的质量,与仅依赖最终答案正确性的方法相比,提供了更有针对性的反馈。实验表明,使用MMKG-R1构建的MMKGs提高了多模态大语言模型下游问答任务的准确性。
-
新的NLP数据增强方法可保持话语结构
研究人员开发了一种新颖的自然语言处理(NLP)数据增强框架,该框架可保持文档级话语结构。该方法利用大型语言模型和话语解析来识别句子之间的修辞关系,从而能够用语义连贯但主题略有不同的内容替换关键短语。在文本摘要和问答任务上的实验表明,增强后的数据提供了有价值的补充监督,与现有数据结合使用时可提高训练性能。
-
新的COFFEQA方法通过反事实蒸馏增强LLM问答能力
研究人员开发了COFFEQA,一种用于大型语言模型问答的少样本知识蒸馏的新方法。该技术使用反事实示例(即经过最小修改以引发教师模型不同响应的上下文)来改进小型学生模型的训练。通过关注具有挑战性的事实样本,并使用一种称为上下文遵循难度(CFD)的新指标来验证反事实示例,COFFEQA的性能显著优于传统的仅事实蒸馏方法。在TriviaQA等基准测试以及T5和Qwen2.5等模型上的实验表明,准确性得到了显著提高。
-
论文揭示了AI不确定性量化器自动化评估中的缺陷
一篇新论文探讨了自然语言生成(NLG)应用中不确定性量化器(UQs)的评估挑战。研究强调,自动化判断虽然普遍,但通常不可靠,并且很少根据人类评估进行验证。对问答模型的实验表明,自动化判断中的错误会严重歪曲UQs的性能,尤其会影响那些信息量更大的UQs。
-
新的MatRAG框架通过分层RAG和MRL增强多跳问答能力
研究人员开发了MatRAG,一个新颖的分层框架,它集成了检索增强生成(RAG)和俄罗斯套娃表示学习(MRL),以改进多跳问答系统。该方法将文档组织成一个具有递减粒度的有向无环图(DAG)的集群,并由较低的俄罗斯套娃维度进行索引。MatRAG通过避免昂贵的知识图谱构建和LLM摘要来降低索引和查询时间成本,同时通过维度感知相似性和实体驱动的跳数预算控制机制来提高检索质量。
-
新基准测试评估多模态大语言模型从密集图表中重建数值数据的能力
一项新的基准测试 ChartDensity-Bench 被引入,用于评估多模态大语言模型(MLLMs)从科学图表中重建数值数据的能力,特别是在高视觉密度条件下。该基准测试系统地改变了同时呈现的图表数量,以评估模型在结构可靠性、完整性、可解析性和数值保真度等方面的性能。初步实验表明,增加视觉密度通常会降低数值重建的准确性,并且不同 MLLMs 之间存在显著差异。
-
新框架Prompt2Skill通过自然语言指令优化LLM技能
研究人员开发了Prompt2Skill,一个新颖的框架,旨在仅使用自然语言指令为大型语言模型(LLMs)创建和优化技能。该方法通过自动推导任务规范、发现或合成数据集以及通过反思性编辑过程来完善技能,解决了专家编写技能的高成本和局限性。Prompt2Skill在包括问答、阅读理解、电子表格操作和数学推理在内的各种领域平均取得了10.8%的显著改进,在开源模型和前沿模型上均优于直接提示基线。
-
新的DRPG框架增强了持续的LLM改进
研究人员开发了一个名为动态检索策略生成(DRPG)的新框架,以应对大型语言模型(LLM)持续适应的挑战。DRPG集成了基于记忆的检索和一个动态策略生成器,利用历史数据和环境反馈来创建针对特定任务的LLM改进策略。该框架在文本到SQL、问答、医学诊断和Python编程等各种基准测试中,使用了多种专有和开源LLM,与现有基线相比,表现出了卓越的性能。
-
研究揭示了结合 AI 链接预测模型的局限性
一篇新发表在 arXiv 上的研究论文探讨了知识图谱中链接预测模型的收敛性和互补性。研究人员发现,尽管不同的模型捕捉了独特且互补的知识,但这种互补性会迅速饱和,即使使用大型模型集成,仍有很大一部分查询无法解决。该研究提出了一种“Oracle”方法来衡量模型互补性,突显了结合模型在增强 Web 应用方面的潜力和现有链接预测技术的根本局限性。
-
新的SCoNE方法提高了RAG模型对抗检索噪声的鲁棒性
研究人员推出了一种新颖的免训练方法SCoNE,旨在提高检索增强生成(RAG)模型在面对嘈杂检索信息时的鲁棒性。SCoNE选择性地编辑上下文感知的馈通网络神经元,识别那些既高度归属又表现出高跨输入变异性的神经元。该方法只需要少量的挖掘样本,并且不会增加推理时间的开销,在不同LLM骨干模型的知识密集型问答基准测试中,与基线方法相比,表现出了一致的性能提升。
-
ISO-RAG框架提升复杂问答的检索能力
研究人员推出了一种新颖的检索增强生成(RAG)框架ISO-RAG,以解决多跳问答中的局限性。通过利用双曲庞加莱圆盘模型,ISO-RAG能够修剪知识图谱中的噪声边,从而缩小搜索空间,提高检索的准确性和效率。实验表明,与现有方法相比,在检索召回率和下游精确匹配得分方面均有显著提升。
-
新研究通过证据充分性和查询精炼来应对多跳问答挑战 · 跟踪 5 个来源
两篇新研究论文解决了多跳问答系统中的挑战。第一篇《Learning Evidence Sufficiency Boundaries for Selective Answering in Grounded Multi-Hop QA》介绍了一个训练框架,帮助模型确定提供的证据是否足以回答问题,从而提高准确性并减少无根据的答案。第二篇论文《Hi-Q: Hierarchical Evidence-guided Query Refinement…
-
新的SelfGraphRAG框架通过合成数据改进知识图谱检索
研究人员开发了SelfGraphRAG,一个新颖的框架,旨在通过有效利用知识图谱来增强检索增强生成(RAG)。该方法通过直接从知识图谱的结构生成合成问答对,解决了监督图谱检索中标记数据有限的常见挑战。这些合成数据点能够训练一个条件查询图谱检索器,该检索器捕获多跳路径和局部邻域的关系监督。实验表明,SelfGraphRAG在检索精度和下游推理任务上优于现有的基于嵌入的基线,特别是在多跳问答和分类基准测试中。
-
新型重排器编排语音和文本以改进LLM检索
研究人员推出了一种名为STeReO的新型重排器,旨在管理检索增强生成(RAG)系统中的异构语音和文本检索数据库。该方法旨在通过有效聚合和选择来自不同数据源的相关证据来提高大型语言模型(LLMs)的准确性。为了克服专业训练数据稀缺的问题,我们整理了一个新的数据集来训练和评估STeReO,证明了其显著提升了问答性能。