RAG / 检索增强生成

Más contexto no es mejor. Paradoja de la dilución vectorial en RAG corporativos

更多上下文并不更好。RAG企业中的向量稀释悖论

Alex Dantart

机构 * Humanizing Internet（人类化互联网） 纠错

专题命中 长文档RAG ：RAG(title,abstract)；分类 cs.CL、cs.AI

AI总结 该研究揭示了RAG中注入摘要导致向量稀释的问题，通过实验发现适度注入提升召回率但过度注入会降低精度，提出理论框架优化注入比例。

Comments in Spanish and English languages

Investigating Retrieval-Augmented Generation Systems on Unanswerable, Uncheatable, Realistic, Multi-hop Queries

研究检索增强生成系统在无法回答、无法欺骗、现实、多跳查询上的应用

Gabrielle Kaili-May Liu, Bryan Li, Arman Cohan, William Gantt Walden, Eugene Yang

机构 * Yale University（耶鲁大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Human Language Technology Center of Excellence（语言技术中心卓越中心） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 长文档RAG ：retrieval-augmented generation(title)；RAG(abstract)；分类 cs.IR、cs.CL

AI总结 本文提出了一种自动创建难以欺骗、现实、无法回答和多跳查询的流程，以更真实地测试RAG系统的性能。

Comments ECIR 2026