本研究提出了自适应检索增强生成法（ARAG），旨在提高源信息的效率和相关性。研究者创建了基准测试集RetrievalQA，包含1,271个关于新颖领域和长尾知识的问题。他们还提出了简单而有效的方法TA-ARE，用于评估语言模型中检索的必要性。

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。