REAR：一種用於開放域問答的、具有相關性感知的檢索增強框架
為了增強大型語言模型在問答任務中準確利用外部知識的能力，本文提出了一種名為 REAR 的新型框架，它通過相關性評估模組和針對性訓練策略，有效地識別和利用相關文件，從而提高問答的準確性和可靠性。
基於檢索增強生成的特定領域問答系統：以匹茲堡和卡內基梅隆大學為例
基於檢索增強生成 (RAG) 的問答系統，通過結合文件檢索和大型語言模型，可以有效提高特定領域問答的準確性和相關性，尤其是在處理時效性和複雜問題方面表現出色。
Retrieval-Augmented Generation for Domain-Specific Question Answering: Enhancing Accuracy in Answering Questions about Pittsburgh and CMU
Integrating a Retrieval-Augmented Generation (RAG) system significantly improves the accuracy and relevance of answers to domain-specific questions, particularly for time-sensitive and complex queries, as demonstrated by a case study on Pittsburgh and CMU.
DMQR-RAG：透過多樣化多重查詢改寫提升檢索增強生成
為了解決大型語言模型在靜態知識和幻覺方面的局限性，本文提出了 DMQR-RAG，一個通用的多重查詢改寫框架，透過多樣化的改寫策略和自適應選擇方法，提升檢索增強生成中文件檢索和最終回應的效能。
DMQR-RAG: RAG를 위한 다양한 다중 쿼리 재작성
본 논문에서는 RAG에서 검색 성능과 응답 품질을 향상시키기 위해 다양한 재작성 쿼리를 활용하여 관련 문서의 재현율을 높이는 다중 쿼리 재작성 프레임워크인 DMQR-RAG를 제안합니다.
Improving Retrieval-Augmented Generation with Diverse Multi-Query Rewriting (DMQR-RAG)
DMQR-RAG improves the accuracy and relevance of retrieval-augmented generation (RAG) systems by employing diverse multi-query rewriting strategies to enhance the retrieval of relevant documents.
Calibrated Retrieval-Augmented Generation (CalibRAG) for Improved Decision-Making and Confidence Calibration in Large Language Models
CalibRAG, a novel retrieval method, enhances decision-making accuracy and confidence calibration in Large Language Models (LLMs) by integrating a forecasting function into the Retrieval-Augmented Generation (RAG) framework.
쿼리 확장 및 청크 그래프 재순위를 활용한 관광 도메인 RAG 기반 대규모 언어 모델 성능 향상 연구: QCG-Rerank 모델 제안
관광 도메인에서 간결한 사용자 쿼리와 방대한 데이터베이스 콘텐츠 간의 불일치 문제를 해결하기 위해 쿼리 확장 및 청크 그래프 재순위 기법을 활용하여 RAG 기반 대규모 언어 모델의 성능을 향상시키는 QCG-Rerank 모델을 제안한다.
Query Optimization for Parametric Knowledge Refinement in Retrieval-Augmented Large Language Models: Enhancing Accuracy and Utility in RAG Systems
The ERRR framework improves the accuracy and efficiency of Retrieval-Augmented Generation (RAG) systems by optimizing queries to refine the parametric knowledge of Large Language Models (LLMs).
邁向 RAG 的最佳搜尋與檢索：探討檢索準確度、雜訊和黃金文件召回率的影響
黃金文件的檢索對於 RAG 模型的效能至關重要，而降低近似最近鄰搜尋的準確度對效能的影響微乎其微，這為提高 RAG 模型的效率提供了可能性。
