EduRAG: A Multimodal Explainable RAG System With Deterministic Token Grounding

doi:10.1109/ACCESS.2026.3704123

EduRAG: A Multimodal Explainable RAG System With Deterministic Token Grounding

2026-06-16

0

OA

AI

DOI：10.1109/ACCESS.2026.3704123

原文链接

原文求助

摘要

En 中文

大型语言模型（Large Language Models）提供了快速的信息访问途径，但在学术应用中往往不可靠。由于这一原因，它们经常生成事实错误的信息（即事实性幻觉），且很少提供可靠的引文。本研究中，我们介绍了EduRAG，一种多模态、可解释的检索增强生成模型，专门设计用于在教育领域建立信任。它包含一个混合信息检索系统，结合了BM25词汇匹配的优势，并融合了FAISS向量空间嵌入，通过假设文档嵌入（HyDE）查询扩展和MS-MARCO上的交叉编码器重排进行微调，作为优于其他方法的替代方案。为解决与常规归因方法（如SHAP值）相关的高计算成本带来的约束，我们引入了一个多级归因框架，能够通过交叉编码器证据分数实现对块级证据的透明检查，利用确定性词元级归因热图进行幻觉检测，以及通过不同检索来源之间的来源不一致性来识别矛盾。使用包含97个教育查询的自定义数据集进行的受控实验结果表明，EduRAG实现了0.7784的Mean Reciprocal Rank（MRR）得分和0.8763的Recall@5得分。针对15个特定图表查询的定向视觉评估显示，视觉MRR为0.967，Recall@5为100%，验证了视觉语言模型（VLM）支持的多模态检索。模型生成的答案获得0.8952的BERTScore F1得分、0.8924的忠实度得分、94%的可验证来源的引文有效性率以及85.5%的词元归因准确率。通过涉及三种检索模型的消融研究，验证了所提系统中各组件的影响。

Keyword:

Retrieval-augmented generation

educational technology

hybrid retrieval

explainable AI

document grounding

evidence attribution

multimodal information retrieval

hypothetical document embeddings (HyDE)

vision-language models (VLM)

EduRAG: A Multimodal Explainable RAG System With Deterministic Token Grounding

摘要

期刊

机构

引用论文