.png){kind=icon}
返回
IRAGKR:Iterative retrieval augmented generation with fine-grained knowledge refinement
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.131282.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
迭代检索增强生成已作为一种有前景的策略用于维护信息时效性。然而，现有的迭代检索增强生成方法在多轮检索循环中常受无关文本噪声困扰，可能导致性能下降。为应对这一挑战，我们提出了一种新型方法，称为细粒度知识精炼的迭代检索增强生成（IRAGKR）。IRAGKR包含三个关键组件：动态检索门控模块、查询语义扩展模块和文档信息压缩模块。首先，动态检索门控模块利用大语言模型（LLM）的自注意力机制、熵计算和词性指标来评估检索生成答案片段的必要性。其次，当检索过程被触发时，查询语义扩展模块基于注意力机制和提示指令，制定针对模型信息需求的检索查询，以提升检索精度。最后，文档信息压缩模块对检索到的文档执行细粒度知识过滤。IRAGKR与五种不同类型的基线方法在四个开放域问答数据集上进行了评估。实验结果证明了我们方法的有效性。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
暂无论文信息