DioR: Adaptive Cognitive Detection and Contextual Retrieval Optimization for Dynamic Retrieval-Augmented Generation

要約

ダイナミック検索の生成（RAG）は、発電中の大規模な言語モデル（LLM）の幻覚の緩和に大きな成功を示しています。
ただし、既存の動的RAGメソッドは、2つの重要な側面で大きな制限に直面しています。1）検索トリガーを制御するための効果的なメカニズムの欠如、2）検索コンテンツの効果的な精査の欠如。
これらの制限に対処するために、2つの主要なコンポーネントで構成される革新的な動的ラグ法（適応認知検出とコンテキスト検索最適化）を提案します。適応認知検出と文脈検索最適化が必要な時期とLLMSの取得を決定するために特別に設計されたものです。
実験結果は、ディオールがすべてのタスクで優れたパフォーマンスを達成し、私たちの仕事の有効性を実証することを示しています。

要約(オリジナル)

Dynamic Retrieval-augmented Generation (RAG) has shown great success in mitigating hallucinations in large language models (LLMs) during generation. However, existing dynamic RAG methods face significant limitations in two key aspects: 1) Lack of an effective mechanism to control retrieval triggers, and 2) Lack of effective scrutiny of retrieval content. To address these limitations, we propose an innovative dynamic RAG method, DioR (Adaptive Cognitive Detection and Contextual Retrieval Optimization), which consists of two main components: adaptive cognitive detection and contextual retrieval optimization, specifically designed to determine when retrieval is needed and what to retrieve for LLMs is useful. Experimental results demonstrate that DioR achieves superior performance on all tasks, demonstrating the effectiveness of our work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google