EfficientRAG: Efficient Retriever for Multi-Hop Question Answering

要約

検索拡張生成 (RAG) メソッドは、マルチホップ クエリなどの複雑な質問に対処するときに困難に直面します。
反復取得方法は追加情報を収集することでパフォーマンスを向上させますが、現在のアプローチは多くの場合、大規模言語モデル (LLM) の複数の呼び出しに依存します。
この文書では、マルチホップ質問応答のための効率的な取得ツールである EfficientRAG を紹介します。
EfficientRAG は、反復ごとに LLM 呼び出しを必要とせずに新しいクエリを反復的に生成し、無関係な情報をフィルターで除外します。
実験結果は、EfficientRAG が 3 つのオープンドメイン マルチホップ質問応答データセットで既存の RAG 手法を上回ることを示しています。

要約(オリジナル)

Retrieval-augmented generation (RAG) methods encounter difficulties when addressing complex questions like multi-hop queries. While iterative retrieval methods improve performance by gathering additional information, current approaches often rely on multiple calls of large language models (LLMs). In this paper, we introduce EfficientRAG, an efficient retriever for multi-hop question answering. EfficientRAG iteratively generates new queries without the need for LLM calls at each iteration and filters out irrelevant information. Experimental results demonstrate that EfficientRAG surpasses existing RAG methods on three open-domain multi-hop question-answering datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google