增强检索辅助语言模型的双阶段一致性学习压缩器

该论文提出了一种新颖的两阶段一致性学习方法，用于改进检索增强语言模型的性能，通过整合一致性学习，目标是生成与教师模型的语义表示保持一致并提高对原始检索文档的忠实程度的摘要，经过多个数据集的经验证明，在问答任务中具有显著的精确性和效率提升，优于现有的基线模型，并展示了在检索增强生成框架中结合对比学习和一致性学习范式的协同效应。