arXiv cs.CL· Fazle Mohammed Tasfiq, Sabab Attin, Sheikh Md. Tahmid Hossain, Raiat Reza, Tanzim Ahmmed, Nafis Chowdhury, Anika Ahmed, Moinul Haque, Farig Yousuf Sadeque·· 3 天前AI 评分22
南亚多语言场景下 RAG 模型问答性能分析
Analyzing performance of Retrieval Augmented Generation models for Question Answering Tasks
AI 导读
一项研究分析了 RAG 模型在南亚多语言问答任务中的表现，探讨检索增强生成相比无上下文与有上下文回答能否提升正确率，以及 RAG 对文化类与非文化类问题的增益差异。研究还考察了 RAG 对热门与冷门文化问题的不同影响，旨在提炼高性能因素以指导优化混合 RAG 系统的设计。
正文 · AI 翻译
摘要：检索增强生成（RAG）模型几乎已成为开放域问答任务的基石；在此过程中生成的答案质量在很大程度上依赖于检索机制的有效性。在 LLM 领域，过去两年 RAG 架构取得了巨大进展，许多模型报告称通过各种设计创新提升了性能。南亚的文化问答系统尤其面临特定挑战，因为该地区拥有大量密切相关的语言和传统。这些深度交织的历史叙事也增加了对具有文化根基和语境感知的解读的需求。尽管 LLM 在架构上取得了重大进展并声称有显著改进，但在用母语回答这些地区特定问题时仍存在挑战。在本研究中，我们旨在提取高性能因素，以指导优化混合 RAG 系统的开发。我们进一步探讨在南亚多语言环境中，RAG 的集成是否会以不同方式改变文化根基问题与非文化问题的表现，以及 RAG 是否比有上下文回答产生更高的总体正确答案百分比。我们还考察了将 RAG 方法集成到问答流程中时，与非上下文和有上下文回答相比，LLM 性能如何变化，并评估引入 RAG 是否更有利于热门或非热门文化根基问题。我们的工作不仅评估了当前方法，还为未来设计更准确、更高效的问答流程开辟了道路。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.20419 [cs.CL] |
| （或 arXiv:2610.20419v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20419 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Raiat Reza [查看电子邮件]
[v1]
2026年10月14日星期三 16:14:55 UTC（2,056 KB）
来源：arXiv cs.CL · arxiv.org