HYPER:免训练的证据检索规划框架
热点事件持续更新
HYPER:免训练的证据检索规划框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Hangeol Chang 等作者提出免训练预检索规划框架 HYPER,把 RAG 从按主题检索改为按证据检索:先形成一个临时答案假设作为规划锚点,再把检索拆成支持、区分、特征三种证据角色。 在 MedQA 和 MMLU-Med 上,HYPER 的平均准确率在十个基线中最佳,分别比 Simple RAG 高 5.9 和 3.6 个百分点;作者称增益也迁移到 MMLU-Pro 的 14 个学科,代价是每题多两次 LLM 调用。
AI 根据报道生成 · 53 分钟前更新
最新进展11月20日 13:00
HYPER:面向证据检索的假设引导规划框架报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIHYPER:面向证据检索的假设引导规划框架
HYPER 是一个无需训练的前置检索规划框架,将 RAG 从主题导向检索转向证据导向检索,以临时答案假设为规划锚点,把检索拆分为支持、区分、特征三种证据角色。在 MedQA 和 MMLU-Med 上,其平均准确率在十个基线中最佳,分别比 Simple RAG 提升 5.9 和 3.6 个百分点,增益也迁移到 MMLU-Pro 的 14 个学科,代价是每题多两次 LLM 调用。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。