.png){kind=icon}
返回
Improving Legislative Accessibility with Retrieval-Augmented Generation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-15990-8_17.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于检索增强生成（RAG）框架的问题回答（Q&A）系统的设计、开发与评估，旨在提高公众对Rio Grande do Norte州立法议会（Alern）立法文件的访问。该系统整合了基于向量的文档检索机制与大型语言模型（LLMs），使用户能够提交自然语言查询并获得相关、易访问的响应。它利用基于嵌入的搜索检索语义相关内容，并利用LLMs生成清晰答案。对多种嵌入模型（如BGE-M3、ada-002和GTE）进行了比较分析，以确定内容检索的最有效配置。结果显示，BGE-M3在测试模型中实现了最高的检索准确率（96.86%）。包括Llama 3.1和DeepSeek-R1在内的LLMs通过BERTScore和人工反馈进行了响应生成评估。Llama 3.1在连贯性、语法/拼写和完整性方面优于DeepSeek-R1，平均人工评估得分为85.6%。基于合成数据集和人工精选问题的评估结果表明，该系统通过促进与复杂法律内容的易访问交互，具有增强立法透明度和用户参与度的潜力。
Keyword:
RAG
Q&A System
Semantic Search
期刊
I
IF:
0
论文数:
27
被引数:
0
机构
引用论文
Truth Seeker of the Largest Social Media Content using Machine Learning Algorithms利用机器学习算法寻找最大社交媒体内容的真理探索者
PREAI
分享收藏A fine-tuning enhanced RAG system with quantized influence measure as AI judge以量化影响度量作为AI判断的微调增强型RAG系统.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Towards Reliable Healthcare LLM Agents: A Case Study for Pilgrims during Hajj面向可靠的医疗LLM代理：朝觐者期间的一个案例研究Information
OAAI
InformationIF0
OAAI分享收藏Efficiency-Driven Custom Chatbot Development: Unleashing LangChain, RAG, and Performance-Optimized LLM Fusion效率驱动的定制聊天机器人开发：释放 LangChain、RAG 和性能优化的 LLM 融合OAAI
OAAI分享收藏
查看更多内容