Unlocking Multi-View Insights in Knowledge-Dense Retrieval-Augmented Generation

要約

検索拡張生成 (RAG) は大規模言語モデル (LLM) の適用において重要な役割を果たしますが、法律や医学などの知識密度の高い領域における既存の検索手法には、依然として、検索に不可欠な多視点ビューが欠如しているという問題があります。
解釈可能性と信頼性が向上します。
マルチビュー検索に関するこれまでの研究では、多くの場合、クエリのさまざまな意味論的な形式のみに焦点を当て、特定のドメイン知識の観点の表現を無視していました。
この論文では、知識密度の高いドメイン向けに調整された新しいマルチビュー RAG フレームワーク MVRAG を紹介します。MVRAG は、複数のドメインの観点から意図を意識したクエリ書き換えを利用して検索精度を高め、それによって最終的な推論の有効性を向上させます。
法律および医療事件の検索に関して実施された実験では、私たちのフレームワークにより再現率と精度が大幅に向上することが実証されています。
当社のマルチパースペクティブ検索アプローチは、RAG タスクを強化するマルチビュー情報の可能性を解き放ち、知識集約型分野での LLM のさらなる応用を加速します。

要約(オリジナル)

While Retrieval-Augmented Generation (RAG) plays a crucial role in the application of Large Language Models (LLMs), existing retrieval methods in knowledge-dense domains like law and medicine still suffer from a lack of multi-perspective views, which are essential for improving interpretability and reliability. Previous research on multi-view retrieval often focused solely on different semantic forms of queries, neglecting the expression of specific domain knowledge perspectives. This paper introduces a novel multi-view RAG framework, MVRAG, tailored for knowledge-dense domains that utilizes intention-aware query rewriting from multiple domain viewpoints to enhance retrieval precision, thereby improving the effectiveness of the final inference. Experiments conducted on legal and medical case retrieval demonstrate significant improvements in recall and precision rates with our framework. Our multi-perspective retrieval approach unleashes the potential of multi-view information enhancing RAG tasks, accelerating the further application of LLMs in knowledge-intensive fields.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google