今日arXiv最热NLP大模型论文：大模型RAG新宠！浙江大学发布自反馈检索增强方法

AIGC动态欢迎阅读

原标题：今日arXiv最热NLP大模型论文：大模型RAG新宠！浙江大学发布自反馈检索增强方法
关键字：模型,问题,模块,分解,知识
文章来源：夕小瑶科技说
内容字数：7307字

内容摘要：

夕小瑶科技说原创作者 | 芒果
引言：探索知识检索增强新篇章在人工智能领域，大语言模型（LLMs）凭借其在多种任务上的卓越表现而备受瞩目。然而，这些模型在知识存储和更新方面仍面临挑战，尤其是在处理开放领域问题时。传统的知识检索增强（RAG）方法通过整合外部知识来解决这一问题，但如果检索到的文本不相关，可能会削弱模型的性能。为了克服这些限制，本研究提出了一种新的框架——检索增强迭代自反馈（RA-ISF），通过迭代处理问题，结合自知识模块、文本相关性模块和问题分解模块，以提高模型的问题解决能力。
论文标题：RA-ISF: Learning to Answer and Understand from Retrieval Augmentation via Iterative Self-Feedback
论文链接：https://arxiv.org/pdf/2403.06840.pdf
RA-ISF框架介绍1. RA-ISF三个子模块功能
自知识模块（Mknow）：判断当前问题是否可以仅凭模型自身的知识解答。
文本相关性模块（Mrel）：评估检索到的每个段落与问题的相关性，并将相关段落整合到提

原文链接：今日arXiv最热NLP大模型论文：大模型RAG新宠！浙江大学发布自反馈检索增强方法