该论文探讨了通过检索增强生成（RAG）和迁移学习提升教科书问答的推理能力。对Llama-2模型的微调使验证集和测试集的准确率分别提升了4.12%和9.84%。文中总结了RAG的三种范式及评估方法，并提出了基于时间感知的自适应检索方法（TA-ARE）以提高检索效率。此外，研究介绍了LLMQA框架，结合检索与生成的优势，提升开放领域问答的准确性和证据质量。