REAR：一种针对开放领域的问题回答的关联感知检索增强框架
原文中文，约400字，阅读约需1分钟。发表于：。本文提出了 REAR，这是一种适用于开放领域问答的关联感知检索增强方法，通过在大型语言模型中引入一个能够准确评估检索文档相关性的排名头，以及通过双粒度相关融合和抗干扰训练的改进方法进行训练，REAR 能够更好地利用外部知识并在四个开放领域问答任务中显著优于其他竞争性的 RAG 方法。
本研究提出了一种名为TA-ARE的方法，用于评估检索的必要性。该方法可以提高语言模型在不进行校准或额外训练的情况下提高源信息的效率和相关性。研究还提供了一个基准测试集RetrievalQA，包含了关于新颖领域和长尾知识的简短问题。
