هوش مصنوعی

SpectRAG برای بازیابی چندمرحله‌ای، ارتباط میان بخش‌های متن را وارد انتخاب زمینه می‌کند

چارچوب پیشنهادی پژوهشگران با ساخت گراف وزن‌دار از بخش‌های اسناد، می‌کوشد شواهد مرتبط را در محدودهٔ بودجهٔ توکن انتخاب کند و از تکرار یا ناقص‌ماندن پاسخ‌ها بکاهد.

۱ دقیقه مطالعه
Figure 1: Top-k paradigm vs. our SpectRAG framework
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پیش‌چاپی در arXiv چارچوبی به نام SpectRAG معرفی می‌کند که برای بهبود بازیابی در سامانه‌های تولید تقویت‌شده با بازیابی (RAG) طراحی شده است. نویسندگان می‌گویند رتبه‌بندی مستقلِ نتایج جست‌وجوی معنایی، گاهی بخش‌های تکراری برمی‌گرداند، ارتباط میان بخش‌های مختلف یک سند را نادیده می‌گیرد و برای استدلال چندمرحله‌ای شواهد کافی فراهم نمی‌کند.

SpectRAG از ترکیب چند روش استفاده می‌کند: انتخاب اولیهٔ نامزدها به‌صورت ترکیبی، ساخت گراف وزن‌دار از بخش‌های اسناد، گسترش جست‌وجو بر پایهٔ گراف و انتشار ارتباط‌پذیری با روش‌های طیفی. سپس زمینهٔ نهایی را با درنظرگرفتن بودجهٔ توکن انتخاب می‌کند. طبق چکیده، بخش‌های سند با تع嵌‌شدگی‌های معنایی متراکم و مختصات طیفیِ برگرفته از گراف نمایش داده می‌شوند.

متن در دسترس، جزئیات ارزیابی یا نتایج مقایسه‌ای چارچوب را ارائه نمی‌کند؛ بنابراین میزان بهبود آن نسبت به روش‌های دیگر از این چکیده مشخص نیست.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست