情感化 RAG LLMs：面向开放互联网的阅读理解
Emotional RAG LLMs: Reading Comprehension for the Open Internet
- AI Virtual Assistant (AVA) Lab, Georgia Institute of Technology（人工智能虚拟助理实验室，佐治亚理工学院）
- Wand AI
- Invoca
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
针对现实RAG应用中互联网文本语气多样导致下游任务困难的挑战，本文提出了一个情感化数据集、一个情感翻译模型以及一种基于提示的方法，以提升LLMs对检索文本的语用理解能力。
AI中文摘要：
对大型语言模型（LLMs）的查询可分为两部分：指令/问题与附加上下文。大多数基准测试中，检索增强生成（RAG）系统的上下文来自类似维基百科、以中立事实语气撰写的文本。然而，现实世界的 RAG 应用常检索带有多种语气和语言风格的互联网文本，给下游任务带来挑战。本文提出了 (a) 一个将 RAG 检索段落转换为带有情感色彩和讽刺意味文本的数据集，(b) 一个用于将文本适配为不同语气的情感翻译模型，以及 (c) 一种基于提示的方法来提升 LLMs 对检索文本的语用理解能力。
英文摘要：
Queries to large language models (LLMs) can be divided into two parts: the instruction/question and the accompanying context. The context for retrieval-augmented generation (RAG) systems in most benchmarks comes from Wikipedia-like texts written in a neutral and factual tone. However, real-world RAG applications often retrieve internet-based text with diverse tones and linguistic styles, posing challenges for downstream tasks. This paper introduces (a) a dataset that transforms RAG-retrieved passages into emotionally inflected and sarcastic text, (b) an emotion translation model for adapting text to different tones, and (c) a prompt-based method to improve LLMs' pragmatic interpretation of retrieved text.
