ACoRN: Noise-Robust Abstractive Compression in Retrieval-Augmented Language Models
Department of Artificial Intelligence Korea University Seoul, Republic of Korea(人工智能系韩国大学首尔韩国)
针对检索增强生成中抽象压缩易受噪声干扰、遗漏关键信息的问题,本文提出噪声鲁棒压缩方法ACoRN,通过离线数据增强和针对性微调提升压缩性能,实验证明其可有效提升模型得分,适配真实场景。
2025-11-18 cs.AI cs.CL
Privacy-protected Retrieval-Augmented Generation for Knowledge Graph Question Answering
本文提出ARoG框架,通过关系中心和结构导向的抽象策略,解决隐私保护下的知识图谱问答中的检索与隐私问题。
2025-12-03 cs.CL
cAST: Enhancing Code Retrieval-Augmented Generation with Structural Chunking via Abstract Syntax Tree
针对现有代码RAG基于行的分块方法易破坏语义结构的问题,提出基于抽象语法树的结构感知分块方法cAST,跨任务生成语义连贯的检索单元,显著提升代码检索与生成性能。
2025-10-02 cs.AI cs.CL cs.IR
ASTRA-QA: A Benchmark for Abstract Question Answering over Documents
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Data Science Group(数据科学组)
ASTRA-QA是首个针对文档抽象问答的基准,包含869个学术论文和新闻文档问题实例,涵盖五种抽象问题类型和三种检索范围,通过显式标注评估答案覆盖关键点和避免不支持内容。
2026-05-11 cs.CL cs.IR
Deduction over Mixed-Level Logic Representations for Text Passage Retrieval
描述了一种系统,该系统使用自然语言文档的(部分)含义的混合级别表示(基于标准霍恩子句逻辑)和可变深度搜索策略,该搜索策略区分知识表示中的不同抽象级别以定位文档中的特定段落。混合层次表示以及可变深度搜索策略适用于NLP之外的领域。
1999-12-15 cs.CL
CO-Search: COVID-19 Information Retrieval with Semantic Search, Question Answering, and Abstractive Summarization
Salesforce Research(赛富时研究院)
2019冠状病毒病全球大流行促使国际社会努力了解、跟踪和减轻这种疾病,产生了跨科学学科的2019冠状病毒病和SARS-CoV-2相关出版物的重要语料库。截至2020年5月,已通过COVID-19开放研究数据集挑战收集了128,000篇与冠状病毒相关的出版物。在这里,我们介绍了CO-Search,这是一个检索器-排名器语义搜索引擎,旨在处理对COVID-19文献的复杂查询,可能有助于负担过重的卫生工作者在危机时期找到科学答案。检索器是建立从Siamese-BERT编码器,是线性组成的TF-IDF矢量化,和倒数秩融合的BM 25矢量化。该排名器是由一个多跳问答模块,连同多段摘要摘要调整检索分数。为了解决特定领域和相对有限的数据集,我们生成了文档段落和引用的二分图,创建了130万个(引用标题,段落)元组用于训练编码器。我们根据TREC-COVID信息检索挑战的数据评估了我们的系统。CO-Search在第一轮和第二轮的数据集上获得了最佳性能,包括几个关键指标:归一化折扣累积增益、精度、平均精度和二进制偏好。
2020-06-17 cs.AI cs.CL cs.IR
Summarization-Based Document IDs for Generative Retrieval with Language Models
University of Washington(华盛顿大学);Allen Institute for Artificial Intelligence(艾伦人工智能研究所)
该研究提出基于摘要的生成式内容文档ID(ACID),用自然语言摘要/关键短语替代传统整数ID,在MSMARCO和NQ 100k检索任务上显著提升召回率,同时发现文档特征会影响检索效果。
2024-10-30 cs.CL cs.IR
Traditional Chinese Medicine Case Analysis System for High-Level Semantic Abstraction: Optimized with Prompt and RAG
Chongqing Jiudun Technology Co., Ltd.(重庆九盾科技有限公司);School of Mechanical Science & Engineering, Huazhong University of Science and Technology(华中科技大学机械科学与工程学院);Xinjiang Medical University(新疆医科大学);School of Nursing, Shanghai Jiao Tong University(上海交通大学护理学院);School of Mathematical Sciences, Shanghai Jiao Tong University(上海交通大学数学科学学院)
本文提出一个中医案例分析系统,通过爬取5000余例临床案例构建结构化数据库,结合RAG、重排序与Jieba关键词匹配的两阶段检索优化,并利用ERNIE与DeepSeekv2模型生成高质量JSON输出。
2024-11-23 cs.CL
Learning Syntactic Rules and Tags with Genetic Algorithms for Information Retrieval and Filtering: An Empirical Basis for Grammatical Rules
自然语言的语法可以通过使用遗传算法来学习,遗传算法可以复制和改变语法规则和词性标签,从而提高后代语法成分的质量。语法规则是随机生成的,然后演变;这些规则导致改进的解析,偶尔改进的检索和过滤性能被允许进一步传播。LUST系统通过学习从解析的摘要获得的文档排名来学习文档摘要中使用的语言或子语言的特征。与将传统语言规则应用于检索和过滤应用程序不同,LUST开发了语法结构和标签,而无需事先强加一些常见的语法假设(例如,词性假设),从而产生基于经验并且针对该特定应用而优化的语法。
1995-05-04 cmp-lg cs.CL
Tevatron-Elastic: A Unified Abstraction for Training Elastic Retrievers and Rerankers
University of Utah(犹他大学);The University of Queensland(昆士兰大学);University of Waterloo(滑铁卢大学);Pennsylvania State University(宾夕法尼亚州立大学)
Tevatron-Elastic提出统一抽象,可训练支持多种规模的检索器与重排序器,验证显示其成本低且加速效果显著,发布相关框架与检查点。
2026-11-10 cs.CL
ViLegalExpert: A Large-Scale Benchmark for Vietnamese Legal Retrieval and Question Answering from Real-World Consultations
University of Information Technology(信息技术大学);Vietnam National University, Ho Chi Minh city(胡志明市越南国家大学)
针对越南法律咨询领域基准缺失的问题,构建了基于真实咨询的大规模基准ViLegalExpert,涵盖172K问题与34个法律领域,实验显示混合检索最优,为可靠越南法律AI提供挑战性基准。
2026-10-01 cs.CL
A neural document language modeling framework for spoken document retrieval
National Taiwan University of Science and Technology(台湾科技大学)
近年来,深度学习的发展为语音识别、计算机视觉、问答、信息检索等众多经典和实用学科带来了重大创新。在自然语言处理(NLP)的背景下,语言表示在许多下游任务中取得了巨大成功,因此该研究学派成为近年来的一个主要研究方向。随着多媒体数据和语音的大量传播,语音文档检索在过去的几十年里成为一个重要的研究课题。针对软件无线电性能的提高,提出了一种神经检索框架,该框架综合了软件无线电中语言建模机制的优点,并充分利用了语言表示模型学习到的抽象信息。因此,据我们所知,这是对基于LM的神经SDR框架的监督训练的先驱性研究,特别是与预训练的语言表示方法相结合。
2019-10-31 cs.CL
Abstract Generation based on Rhetorical Structure Extraction
我们开发了一个基于修辞结构抽取的日文摘要自动生成系统。该系统首先提取修辞结构,句子之间的修辞关系的化合物,然后在提取的结构中删除不太重要的部分,以生成所需长度的摘要。对生成的摘要的评估表明,它包含了最多74%的原始文本中最重要的句子。该系统现在被用作一个典型的交互式文档检索系统的文本浏览器。
1994-11-17 cmp-lg cs.CL
HyperbolicRAG: Enhancing Retrieval-Augmented Generation with Hyperbolic Representations
Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Nanyang Technological University(南洋理工大学)
HyperbolicRAG通过整合双曲几何提升基于图的检索增强生成,以更准确地捕捉语义和层次结构关系。
2025-11-25 cs.AI cs.CL
Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval
KAIST(韩国科学技术院)
本文提出Chain of Retrieval框架,通过多方面迭代搜索扩展和后序聚合,提升全文检索效果,实验表明其优于现有基线方法。
2026-10-20 cs.AI cs.CL cs.IR
Retrieval Augmented Generation and Representative Vector Summarization for large unstructured textual data in Medical Education
University of Peradeniya(佩拉德尼亚大学)
本文探讨了检索增强生成在医学教育领域的应用,并提出了一种基于代表性向量、结合抽取式与抽象式的大型非结构化文本数据摘要方法。
2023-08-01 cs.AI cs.CL
Divide-Prompt-Refine: a Training-Free, Structure-Aware Framework for Biomedical Abstract Generation
University of Washington(华盛顿大学)
本文提出DPR-BAG框架,旨在生成具有完整文本但无摘要的生物医学文章的连贯且事实准确的摘要。该框架通过分解全文文档为结构化的修辞要素,进行并行LLM摘要生成,并应用最终的精炼阶段恢复全局话语连贯性。
2026-06-03 cs.CL
LegalGraphRAG: Multi-Agent Graph Retrieval-Augmented Generation for Reliable Legal Reasoning
School of Informatics, Xiamen University(厦门大学信息学院);Institute of Artificial Intelligence, Xiamen University(厦门大学人工智能研究院);The Hong Kong Polytechnic University(香港理工大学)
提出LegalGraphRAG框架,通过分层法律图和多智能体系统(研究员、审计员、裁决员)实现可靠的法律推理,在准确性和可信度上超越现有GraphRAG基线。
2026-05-27 cs.AI cs.CL cs.MA
SmartChunk Retrieval: Query-Aware Chunk Compression with Planning for Efficient Document RAG
University of Michigan(密歇根大学);Adobe Research(Adobe研究)
SmartChunk通过查询自适应框架和强化学习方案提升长文档问答效率与准确性。
2025-12-17 cs.AI cs.CL cs.IR
A Multi-Resolution Word Embedding for Document Retrieval from Large Unstructured Knowledge Bases
University of Arkansas(阿肯色大学);Google LLC.(谷歌有限责任公司)
深度语言模型学习分层表示被证明是自然语言处理、文本挖掘和信息检索的强大工具。然而,表现良好的检索表示必须捕捉不同层次的抽象或上下文范围的语义含义。在本文中,我们提出了一种新的方法来产生多分辨率的词嵌入,表示在多个分辨率的上下文范围的文件。为了研究其性能,我们使用斯坦福问答数据集(SQuAD)和问答搜索和阅读(QUASAR)在一个开放域的问答设置,其中的第一个任务是找到有用的文件来回答给定的问题。为此,我们首先比较了各种文本嵌入方法的检索性能的质量,并给出了广泛的经验比较与各种非增强的基础嵌入的性能,并没有多分辨率表示。我们认为,多分辨率词嵌入始终优于原始的对应物,并且专门为检索目的训练的深度残差神经模型在用于增强这些嵌入时可以产生进一步的显着收益。
2019-05-22 cs.CL cs.IR
Real-Time RAG for the Identification of Supply Chain Vulnerabilities
MITRE Corporation(MITRE公司)
本研究提出集成RAG预处理、检索与网络抓取技术的方法,降低将新信息纳入LLM的延迟以实时识别供应链漏洞。实验表明微调嵌入检索模型性能提升最显著,自适应迭代检索增强复杂查询效果,而微调LLM收益有限且成本更高。
2025-08-23 cs.AI cs.CL cs.IR
RetrievalSum: A Retrieval Enhanced Framework for Abstractive Summarization
Shanghai Key Laboratory of Intelligent Information Processing, Fudan University(复旦大学上海市智能信息处理重点实验室);School of Computer Science, Fudan University(复旦大学计算机科学技术学院);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
现有的摘要系统大多纯粹依赖于源文档的内容来生成摘要。然而,即使对于人类来说,我们通常也需要一些参考文献或范例来帮助我们完全理解源文档并以特定格式编写摘要。但是如何找到高质量的范例并将其纳入摘要系统仍然是一个具有挑战性的问题,值得探索。在本文中,我们提出了RetrievalSum,一种新的检索增强抽象摘要框架组成的密集检索和总结。首先,检索几个密切相关的范例作为补充输入,以帮助生成模型更全面地理解文本。此外,检索到的范例还可以在引导模型捕捉特定语料库的写作风格方面发挥作用。我们在多个领域的摘要数据集和两个骨干模型BERT和BART上验证了我们的方法。结果表明,与强大的预训练模型相比,我们的框架在ROUGE-1得分上获得了1.38~4.66的显着提高,并在BillSum上实现了新的最先进水平。人工评价表明,我们的检索增强模型可以更好地捕捉特定领域的写作风格。
2021-12-13 cs.CL
Knowledge Graph-Driven Retrieval-Augmented Generation: Integrating Deepseek-R1 with Weaviate for Advanced Chatbot Applications
Technical University of Cluj-Napoca(克卢日-纳波卡技术大学);Digital Science & Research Solutions Ltd(数字科学与研究解决方案有限公司)
针对大型语言模型输出未经验证的问题,提出结合结构化生物医学知识与检索增强生成的框架,构建AMD相关知识图谱并集成Deepseek-R1与Weaviate,显著减少幻觉、提升事实准确性,为生物医学聊天机器人提供稳健方案。
2025-02-16 cs.AI cs.CL
Sublanguage Terms: Dictionaries, Usage, and Automatic Classification
本文从次语言及其专业词典的角度研究了自然和社会科学标题和摘要中术语的使用。不同的亚语言的独特性的概念进行了探讨。客观的方法来区分硬科学和软科学的建议的基础上的措施,亚语言的使用,字典的特点,和亚语言的独特性。摘要自动分类的高度准确性,通过使用一个公式,认为在每个子语言的独特性程度的条款。这对于文本过滤或信息检索系统可能是有用的。
1994-11-01 cmp-lg cs.CL
A PubMed-Scale Dataset of Structured Biomedical Abstracts
Department of Biomedical Informatics & Data Science, School of Medicine, Yale University(耶鲁大学生物医学信息学与数据科学系,医学院)
针对PubMed中大量非结构化摘要阻碍下游文本处理的问题,构建了包含2320万条记录的结构化摘要语料库,其中590万条来自官方XML,1720万条通过大语言模型自动标注,统一为五段格式。
2026-06-11 cs.CL cs.IR
Question Answering as Global Reasoning over Semantic Abstractions
University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Pennsylvania(宾夕法尼亚大学);Allen Institute for Artificial Intelligence (AI2)(艾伦人工智能研究所(AI2))
我们提出了一种新的方法,利用文本的语义结构来回答多项选择题。该方法特别适用于需要对不同语言结构进行推理但训练数据有限的领域。为了解决这些挑战,我们提出了第一个系统,据我们所知,原因在广泛的语义抽象的文本,这是使用现成的,通用的,预先训练的自然语言模块,如语义角色标签,共指解析器和依赖解析器。代表多个抽象作为一个家庭的图形,我们翻译问答(QA)到一个最佳的子图,满足一定的全球和当地的属性搜索。该公式概括了几个先前的结构化QA系统。我们的系统SEMANTICILP同时在两个领域表现出强大的性能。特别是,在一系列具有挑战性的科学QA数据集上,它的表现优于各种最先进的方法,包括神经模型、广泛覆盖的信息检索和使用结构化知识库的专业技术,提高了2%-6%。
2019-06-09 cs.AI cs.CL
Artefact Retrieval: Overview of NLP Models with Knowledge Base Access
Saarland University(萨尔大学)
许多NLP模型通过访问知识库来获得性能。大量研究致力于设计和改进访问知识库并将其纳入模型的方式,从而产生了一些机制和管道。尽管提出的机制多种多样,但这些系统的设计有其模式。在本文中,我们系统地描述了人工制品(从知识库检索的项目)的类型学,检索机制和这些人工制品融合到模型中的方式。这进一步使我们能够发现尚未尝试过的设计决策组合。大部分的重点是给语言模型,虽然我们也展示了如何问答,事实检查和知识对话模型适合这个系统以及。拥有一个可以描述特定模型架构的抽象模型也有助于在多个NLP任务之间传输这些架构。
2022-01-24 cs.CL cs.IR
An Information Retrieval and Extraction Tool for Covid-19 Related Papers
Universidade Federal do Rio Grande do Sul (UFRGS)(南里奥格兰德联邦大学)
本研究开发融合信息检索与抽取技术的新冠论文工具,基于LDA主题建模、实体链接与K近邻排序实现CORD-19数据集的主题式检索,为研究人员查找文献与提取信息提供新途径。
2024-01-20 cs.CL cs.IR
Enhancing Unsupervised Keyword Extraction in Academic Papers through Integrating Highlights with Abstract
Department of Information Management, Nanjing University of Science and Technology(南京理工大学信息管理学院)
本文通过整合摘要与高亮内容提升学术论文的无监督关键词提取,实验表明结合两者能显著提高提取性能,同时探讨了摘要与高亮内容在关键词覆盖和内容上的差异及其对提取结果的影响。
2026-04-21 cs.CL cs.DL cs.IR
GreekBarRetrieval: A Benchmark for Greek Statutory Retrieval
Archimedes, Athena Research Center(阿基米德雅典娜研究中心);Institute for Language and Speech Processing, Athena Research Center(雅典娜研究中心语言与语音处理研究所);Athens University of Economics Business(雅典经济与商业大学)
本研究推出希腊成文法检索基准GreekBarRetrieval,通过实验发现基于大型语言模型的查询重表述可提升BM25检索效果,使其在多项指标上优于其他检索方法。
2026-09-23 cs.CL cs.IR
MRNN: A Multi-Resolution Neural Network with Duplex Attention for Document Retrieval in the Context of Question Answering
University of Arkansas Little Rock(阿肯色大学小石城分校)
自组织检索(问答环境中的文档检索)的主要目标是找到满足自然语言查询中发布的信息需求的相关文档。它需要对查询和语料库中的所有文档有很好的理解,这是困难的,因为自然语言文本的含义取决于上下文、语法和语义。最近,深度神经网络已经被用于响应于查询对搜索结果进行排名。在本文中,我们设计了一个多分辨率神经网络(MRNN),利用整个层次的表示文档检索。MRNN模型能够从学习到的层次表示的所有层中获得一个集成了不同抽象层次的表示,并且设计了一个双重注意组件来改进多分辨率表示,从而确定查询和文档匹配的最佳上下文.更具体地,第一注意力机制根据所学习的查询和文档的多分辨率表示来确定最佳上下文。后一种注意力机制旨在微调表示,使得查询和相关文档更接近。实证研究表明,MRNN与双重注意力是显着优于现有的模型用于ad-hoc检索基准数据集,包括SQuAD,WikiQA,QUASAR,TrecQA。
2019-11-03 cs.CL cs.IR
Beyond the Grid: Layout-Informed Multi-Vector Retrieval with Parsed Visual Document Representations
The Hong Kong University of Science and Technology (Guangzhou)(香港科学与技术大学(广州));Alibaba Cloud Computing(阿里云计算)
ColParse通过生成布局感知的子图像嵌入和全局向量融合,实现高效多向量检索,显著降低存储需求并提升性能。
2026-03-02 cs.CL cs.IR
MLDocRAG: Multimodal Long-Context Document Retrieval Augmented Generation
Independent Researcher(独立研究者)
MLDocRAG通过构建多模态片段-查询图,实现多模态长上下文文档的检索增强生成,提升问答的准确性和连贯性。
2026-02-13 cs.CL cs.IR
RAGONITE: Iterative Retrieval on Induced Databases and Verbalized RDF for Conversational QA over KGs with RAG
Fraunhofer Institute for Integrated Circuits IIS(弗劳恩霍夫集成电路研究所)
RAGONITE提出一种双通道迭代检索框架,融合SQL查询与文本搜索,并结合RAG由LLM生成回答,在BMW汽车知识图谱上优于多个基线。
2024-12-25 cs.CL cs.IR
Literature Retrieval for Precision Medicine with Neural Matching and Faceted Summarization
University of Kentucky(肯塔基大学)
精准医疗(PM)的信息检索(IR)通常涉及寻找表征患者病例的多个证据。这通常至少包括病症的名称和适用于患者的遗传变异。其他因素,如人口统计学属性、合并症和社会决定因素也可能相关。因此,检索问题通常被公式化为ad hoc搜索,但具有多个方面(例如,疾病,突变),可能需要纳入。在本文中,我们提出了一个文档重排序的方法,结合神经查询文档匹配和文本摘要对这样的检索场景。我们的架构建立在基本的BERT模型上,有三个特定的组件用于重新排序:(a)。文档-查询匹配(b)。关键词提取和(c).分面条件抽象概括。(b)和(c)的结果用于将候选文档基本上转换为简明摘要,该简明摘要可以与手头的查询进行比较以计算相关性分数。组件(a)直接生成查询的候选文档的匹配分数。完整的架构受益于文档查询匹配的互补潜力和新的文档转换方法的基础上总结沿PM方面。使用NIST的TREC-PM跟踪数据集(2017- 2019)进行的评估表明,我们的模型达到了最先进的性能。为了促进可重复性,我们的代码可以在这里获得:https://github.com/bionlproc/text-summ-for-doc-retrieval。
2020-12-17 cs.CL cs.IR
Automated Evaluation of Retrieval-Augmented Language Models with Task-Specific Exam Generation
AWS AI Labs(亚马逊云科技人工智能实验室)
提出基于任务特定考试生成的RAG自动化评估方法,利用IRT优化考试,发现检索算法选择比模型规模更影响性能。
2024-05-22 cs.CL cs.IR
SearchGym: A Modular Infrastructure for Cross-Platform Benchmarking and Hybrid Search Orchestration
Cornell University(康奈尔大学)
SearchGym通过模块化设计实现跨平台基准测试和混合搜索编排,揭示信息检索中通用性与可优化性的张力。
2026-01-02 cs.CL cs.IR
AMR-RE: Abstract Meaning Representations for Retrieval-Based In-Context Learning in Relation Extraction
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);National Institute of Information and Communications Technology (NICT)(信息通信研究机构);Kyoto University(京都大学);Kyoto Institute of Technology(京都工艺纤维大学)
针对关系抽取中上下文学习重语言相似性轻结构相似性导致忽略实体关系的问题,提出AMR增强的基于检索的ICL方法,通过语义结构相似性检索示例,在无监督设置下全面超越基线,并在监督设置下于多数数据集达到最优。
2025-04-25 cs.CL
How do you know that? Teaching Generative Language Models to Reference Answers to Biomedical Questions
The Institute for AI of Serbia(塞尔维亚人工智能研究所);Bayer A.G.(拜耳公司)
本文提出生物医学RAG系统,利用PubMed检索摘要并微调LLM生成带引用答案,检索性能较PubMed搜索引擎绝对提升23%,引用质量媲美GPT-4 Turbo,并公开数据集与模型。
2024-07-06 cs.AI cs.CL
Multiple Abstraction Level Retrieve Augment Generation
Brandeis University(布兰迪斯大学)
针对现有RAG方法在单一抽象层级检索导致难以跨层级生成答案的问题,提出多抽象层级(MAL)检索方法,在糖科学领域将问答正确率提升25.739%。
2025-01-28 cs.AI cs.CL cs.LG
GraphRAFT: Retrieval Augmented Fine-Tuning for Knowledge Graphs on Graph Databases
Neo4j
针对大型语言模型处理私有知识图谱时易幻觉、现有GraphRAG方法检索流程低效或抽象的问题,提出GraphRAFT框架,通过检索增强微调使LLM生成正确Cypher查询,从图数据库中检索子图上下文,在两项问答任务中四项指标均显著优于SOTA模型。
2025-11-12 cs.CL cs.IR cs.LG
RAGO: Systematic Performance Optimization for Retrieval-Augmented Generation Serving
ETH Zurich(苏黎世联邦理工学院);Google(谷歌公司);Google DeepMind(谷歌DeepMind)
针对RAG变体多、工作负载性能差异大导致的高效服务难题,该研究提出结构化抽象RAGSchema,分析不同负载性能差异,并推出系统优化框架RAGO,实现单芯片QPS最高2倍提升、首令牌时延降低55%。
2025-03-21 cs.AI cs.CL cs.DC
TCA-SIR: Learning Target-Conditioned Abstractions for Scientific Inspiration Retrieval
University of Colorado Denver(科罗拉多大学丹佛分校)
TCA-SIR将科学灵感检索重新定义为面向目标的抽象学习,在ResearchBench上较MOOSE-Chem提升HitRate@top4%超10个百分点,实现更优检索与可解释性。
2026-07-31 cs.AI cs.CL cs.IR
Hierarchical Retrieval: The Geometry and a Pretrain-Finetune Recipe
Google(谷歌)
本文研究层次化检索中双编码器的几何可行性,提出预训练-微调方法解决远距离检索退化问题,在WordNet上将远距离召回率从19%提升至76%。
2025-09-19 cs.CL cs.IR cs.LG
MITRA: An AI Assistant for Knowledge Retrieval in Physics Collaborations
MITRA是一种基于RAG的AI助手,通过本地化框架实现物理学协作中的高效知识检索与生成。
2026-03-10 cs.AI cs.CL cs.IR
Applying a Hybrid Query Translation Method to Japanese/English Cross-Language Patent Retrieval
本文将现有的查询翻译方法应用于跨语言专利检索。在我们的方法中,多个字典被用来获得所有可能的翻译输入查询,搭配统计被用来解决翻译歧义。我们使用日/英并行专利摘要进行比较实验,我们的方法优于一个简单的基于字典的查询翻译方法,并实现了76%的单语检索的平均精度。
2002-06-24 cs.CL
Syntactic Question Abstraction and Retrieval for Data-Scarce Semantic Parsing
NAVER Corp.(NAVER公司)
语义解析的深度学习方法需要大量的标记数据,但注释复杂的逻辑形式是昂贵的。在这里,我们提出了句法问题抽象和检索(SQAR),一种构建神经语义解析器的方法,该方法将自然语言(NL)查询转换为SQL逻辑形式(LF),其中注释示例少于1,000个。SQAR首先通过计算NL查询之间的相似性从训练数据中检索逻辑模式,然后基于检索到的模式的词汇信息来生成最终的LF。我们通过使用WikiSQL训练数据的各种小子集训练模型来验证SQAR,与WikiSQL测试集上的先前最先进的模型相比,LF准确度提高了4.9%。我们还表明,通过使用查询相似性来检索逻辑模式,SQAR可以利用释义数据集,与仅使用WikiSQL数据训练SQAR的情况相比,LF准确率提高了5.9%。与简单的模式分类方法相比,SQAR可以在添加新示例时生成不可见的逻辑模式,而无需重新训练模型。我们还讨论了一种理想的方法来创建成本效益和强大的训练数据集时,数据分布可以近似下的数据饥饿的设置。
2020-05-01 cs.CL cs.LG
RerrFact: Reduced Evidence Retrieval Representations for Scientific Claim Verification
University of Mannheim(曼海姆大学);Thapar Institute of Engineering & Technology(塔帕尔工程技术学院);Charles University(查理大学)
数字信息渠道的指数级增长和出版竞争使得科学错误信息比以往任何时候都更加普遍。然而,即使对研究人员来说,事实验证给定科学主张的任务也不是简单的。科学声明验证需要领域专家的深入知识和大量劳动,以证实来自可信科学来源的支持和反驳证据。SciFact数据集和相应的任务为社区提供了一个基准排行榜,通过从源摘要中提取和吸收相关的证据原理来开发自动科学声明验证系统。在这项工作中,我们提出了一种模块化方法,该方法可以像SciFact排行榜中那样对每个预测子任务依次进行二进制分类。我们简单的基于分类器的方法使用减少抽象表示检索相关的摘要。并进一步用于训练相应的理性选择模型。最后,我们进行了两步的立场预测,首先区分不相关的理由,然后确定支持或反驳的理由为给定的索赔。实验上,我们的系统RerrFact没有微调,简单的设计,和一小部分模型参数公平竞争的领先地位,对大规模,模块化和联合建模方法。我们在https://github.com/ashishrana160796/RerrFact上提供代码库。
2022-04-18 cs.CL
Benchmarking Literature Retrieval for a Model Organism: A Dictyostelium Case Study
University of Ljubljana(卢布尔雅那大学);Baylor College of Medicine(贝勒医学院)
针对模式生物盘基网柄菌,构建了基于策展查询的检索基准,并研究了重排序、基因感知扩展及全文检索对窄领域生物检索的改善作用。
2026-10-05 cs.CL cs.IR
Team LA at SCIDOCA shared task 2025: Citation Discovery via relation-based zero-shot retrieval
Japan Advanced Institute of Science and Technology(日本先进科学研究院);Hanoi University of Engineering and Technology(河内工程大学)
针对引文发现任务中摘要长且相似度高的问题,本文提出先基于关系特征检索前k个候选,再用大语言模型精确定位最相关引文,并在SCIDOCA 2025训练集上验证了有效性。
2025-06-23 cs.CL cs.IR
Retrieval augmentation of large language models for lay language generation
University of Washington(华盛顿大学);University of Arizona(亚利桑那大学)
本文提出CELLS这一最大且覆盖最广的通俗语言生成平行语料,并采用检索增强模型生成背景解释,在保持事实正确性的同时提升总结质量与简洁性。
2024-01-25 cs.CL
Improve Rule Retrieval and Reasoning with Self-Induction and Relevance ReEstimate
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学)
针对规则检索中查询事实与规则抽象表示存在语义鸿沟导致准确率低的问题,提出自归纳增强检索SIAR和规则相关性重估R³方法,有效提升检索与推理效果。
2025-05-16 cs.AI cs.CL cs.IR
Retrieval-Based Neural Code Generation
Carnegie Mellon University(卡内基梅隆大学)
在从自然语言生成程序源代码的模型中,以树结构表示该代码已经是常见的方法。然而,现有的方法往往无法正确地生成复杂的代码,由于缺乏记忆能力的大型和复杂的结构。我们介绍ReCode,一种基于子树检索的方法,可以显式引用神经代码生成模型中的现有代码示例。首先,我们使用基于动态规划的句子相似度评分方法检索与输入句子相似的句子。接下来,我们提取动作序列的n-gram来构建相关的抽象语法树。最后,我们增加了导致检索到的n-gram动作子树出现在预测代码中的动作的概率。我们表明,我们的方法提高了两个代码生成任务的性能高达+2.6 BLEU。
2018-08-29 cs.CL
Patent Representation Learning via Self-supervision
提出混合dropout-章节正样本策略,利用专利内部结构进行自监督对比学习,无需标签或引用,在EPO检索、DAPFAM基准和IPC分类上优于基线。
2026-09-09 cs.AI cs.CL cs.LG