今日arXiv最热NLP大模型论文：引入噪声，可提升RAG检索效果超30%？？

AIGC动态欢迎阅读

原标题：今日arXiv最热NLP大模型论文：引入噪声，可提升RAG检索效果超30%？？
关键字：解读,报告,噪声,答案,性能
文章来源：夕小瑶科技说
内容字数：8567字

内容摘要：

夕小瑶科技说 原创编辑 | 谢年年检索增强生成（Retrieval-Augmented Generation，简称RAG）系统的出现，提高了LLMs回答生成的准确性。它分为两个部分:检索与生成。检索即利用检索器从海量文档中检索出与查询最相关或者最相似的段落，而生成则是LLMs针对混合查询和检索到的文档生成响应。
最近关于RAG的研究也非常多，特别是对检索组件有非常多的优秀工作。今天我们介绍的这篇文档从一个特殊的角度出发，讨论检索到的文档对RAG系统性能的影响。
大家可能想说，这有什么好讨论的，检索到的文档对性能的影响很直白啊，那肯定是与查询越相关，效果越好啊。
那如何为检索文档添加一些噪声呢？也就是说与查询八竿子打不着的文档，对系统性能的影响又如何呢？
从直觉上来说，噪声应该会对系统性能产生负面影响。
但是今天这篇文章给出的结果却让人大吃一惊！
噪声文档不仅没有对系统性能造成负面影响，反而能够显著提高系统的准确性，最高可达35%的改善。而那些与查询相关的文档可能是强有力的干扰项，影响模型的性能。这一发现挑战了传统信息检索系统的常规理解，在这个新的范式下，传统的检索技术可能不是最优的，需

原文链接：今日arXiv最热NLP大模型论文：引入噪声，可提升RAG检索效果超30%？？

联系作者

文章来源：夕小瑶科技说
作者微信：xixiaoyaoQAQ
作者简介：更快的AI前沿，更深的行业洞见。聚集25万AI一线开发者、互联网中高管和机构投资人。一线作者来自清北、国内外顶级AI实验室和大厂，兼备行业嗅觉与报道深度。