LLM 检索如何平衡相关性与多样性：一项 arXiv 研究

Finding the Right Balance: Relevance and Diversity in LLM Retrieval

AI 导读

一项 arXiv 研究显示，检索多样化对 RAG 的效果主要取决于候选池冗余度：在干净候选池上会损害相关性、证据覆盖与答案质量，但在多证据任务中冗余导致最近邻检索重复选段时反而有益。

正文 · AI 翻译

摘要：检索多样化在检索增强生成（RAG）框架中已广泛可用，但既有研究对其能否提升检索与答案质量存在分歧。我们表明，其有效性主要随候选池冗余度而变化，且这一模式与查询所需的不同证据片段数量相一致。通过受控的近重复注入和生产式重叠分块，我们发现多样化在干净候选池上会损害相关性、证据覆盖率和答案质量，但在多证据任务中，当冗余导致最近邻检索选中重复段落时，多样化则变得有益。因此，我们提出一种查询自适应规则：仅当最近邻 top-$k$ 选择中有效不同文档数量低于该查询的证据需求时，才进行多样化。该规则基于现有嵌入计算，能捕获大部分可实现的增益，可跨数据集和编码器迁移，并对单证据查询自动退化为最近邻检索。我们还提出 RNG-Score，一种带精确最近邻回退的几何重排序器，其间隔可指示重复结构。总体而言，我们得出结论：多样化应基于可观测的冗余度和证据需求进行选择性使用。

评论：	36 页，8 幅图，13 张表。代码与结果：此 https URL
主题：	信息检索（cs.IR）；计算与语言（cs.CL）
ACM 分类：	H.3.3；I.2.7
引用为：	arXiv:2610.09412 [cs.IR]
	（或 arXiv:2610.09412v1 [cs.IR] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.09412 arXiv 颁发的 DOI 通过 DataCite（待注册）

提交历史

发件人：Guillaume Brouillette [查看电子邮件]
[v1] 2026 年 10 月 7 日星期三 04:14:31 UTC（186 KB）

来源：arXiv cs.CL · arxiv.org