本研究提出SUGAR方法，旨在提升大型语言模型在检索增强生成中的效能。该方法通过上下文熵智能决策，增强检索选择性，改善多样化问答任务的表现。

本文探讨了语言模型在阅读理解中的应用，提出了一种基于熵和距离的预测器，发现上下文熵对阅读时间的预测能力优于惊奇度。研究表明，Transformer模型在处理人类阅读时间时需考虑认知能力，大型模型对罕见单词的预测更为准确。