博客园 - JadePeng
·
RAPTOR 一种基于树的RAG方法，RAG的准确率提高 20% - JadePeng
💡
原文中文，约800字，阅读约需2分钟。
📝
内容提要
RAPTOR（递归抽象处理树状检索）是一种新方法，通过将文档构建为树状结构，逐层递归查询以提高对文档上下文的理解。结合GPT-4，RAPTOR在复杂问答任务中能提高20%的准确率。该方法使用高斯混合模型对文本块进行聚类，并生成摘要，以有效回答不同层面的问题。
🎯
关键要点
- RAPTOR（递归抽象处理树状检索）是一种新方法，通过将文档构建为树状结构，逐层递归查询以提高对文档上下文的理解。
- RAPTOR结合GPT-4在复杂问答任务中能提高20%的准确率。
- RAPTOR使用高斯混合模型对文本块进行聚类，并生成摘要，以有效回答不同层面的问题。
- RAPTOR的树结构使得能够将不同级别文本的上下文块加载到LLM的上下文中。
- 查询有两种方法：基于树遍历和折叠树，折叠树方法具有更大的灵活性，F1会更高。
➡️
