• [论文翻译]通过即插即用检索反馈改进语言模型

    Improving Language Models via Plug-and-Play Retrieval Feedback 通过即插即用检索反馈改进语言模型 Wenhao $\mathbf{Y}\mathbf{u}^{\pmb{\phi}}$ , Zhihan Zhang♣, Zhenwen Liang♣ Meng Jiang♣, Ashish Sabharwal♠ ♣University of Notre Dame; ♠Allen Institute for Artificial Intellige... 大语言模型(LLM)在各种自然语言处理任务中展现出卓越性能,但仍常产生错误或虚构信息,制约了其实际应用价值。人类反馈虽能有效提升生成内容的真实性与质量,但存在资源消耗大、需人工介入监督等缺陷,且无法在推理阶段实时提供。本文提出REFEED创新框架,通过即插即用式自动检索反馈机制增强大语言模型,无需昂贵微调。该框架首先生成初始输出,随后利用检索模型从海量文档库获取相关信息,最终将检索结果融入上下文示例以实现输出优化,从而以更高性价比解决大语言模型的固有缺陷。在四个知识密集型基准数据集上的实验表明,相较于未使用检索反馈的基线模型,REFEED在零样本设定下可实现超过+6.0%的性能提升,在少样本设定下提升幅度达+2.5%。
  • [论文翻译]大语言模型增强检索:通过语言模型和文档级嵌入提升检索模型

    LLM-Augmented Retrieval: Enhancing Retrieval Models Through Language Models and Doc-Level Embedding 大语言模型增强检索:通过语言模型和文档级嵌入提升检索模型 Mingrui Wu Meta mingruiwu@meta.com 吴明瑞 Meta mingruiwu@meta.com Abstract 摘要 Recently embedding-based retrieval or dense retrieva... 最近,基于嵌入的检索(embedding-based retrieval)或密集检索(dense retrieval)相比传统的稀疏或词袋(bag-of-words)方法展现了最先进的成果。本文通过大语言模型(LLM)增强,提出了一种与模型无关的文档级嵌入框架。此外,它还改进了检索模型训练过程中的一些重要组件,如负采样、损失函数等。通过实施这一LLM增强的检索框架,我们显著提升了广泛使用的检索模型(如双编码器Bi-encoders (Contriever, DRAGON))和延迟交互模型(late-interaction models (ColBERTv2))的效果,从而在LoTTE数据集和BEIR数据集上取得了最先进的成果。
创作中心
开启你的AI千集创作之旅
发布首篇内容,开通创作中心 快来成为AI千集创作者吧~
公告

AI千集是一个二次元智能客服平台
在这里您可以获得本平台自训练的
客服大模型服务
和小伙伴一起玩转AI,做自己的AI机器人
来AI千集,订单转化快人一步
扫一扫,快速获取解决方案与报价
立即咨询

千集助理是连通AI学研和企业的桥梁
登陆小程序
获取AI数字人贴身服务
工作生活效率瞬间提升

千集助理