AdaGReS:基于冗余感知的上下文选择,用于RAG

Research Paper#Retrieval-Augmented Generation (RAG)🔬 Research|分析: 2026年1月3日 06:12
发布: 2025年12月31日 18:48
1分で読める
ArXiv

分析

本文解决了检索增强生成(RAG)中的一个关键问题:标准top-k检索的效率低下,通常包含冗余信息。 AdaGReS 提供了一种新颖的解决方案,引入了一个冗余感知上下文选择框架。该框架优化了一个平衡相关性和冗余性的集合级目标,并在令牌预算下采用贪婪选择策略。关键创新在于相关性-冗余性权衡参数的实例自适应校准,消除了手动调整。论文的理论分析为近乎最优性提供了保证,实验结果表明答案质量和鲁棒性有所提高。这项工作意义重大,因为它直接解决了令牌预算浪费的问题,并提高了RAG系统的性能。
引用 / 来源
查看原文
"AdaGReS introduces a closed-form, instance-adaptive calibration of the relevance-redundancy trade-off parameter to eliminate manual tuning and adapt to candidate-pool statistics and budget limits."
A
ArXiv2025年12月31日 18:48
* 根据版权法第32条进行合法引用。