RAG架构通过在运行时提供外部信息，减少大型语言模型的幻觉现象。其流程包括检索相关数据、增强用户提示和生成答案。检索器找到相关文档，增强步骤将其与用户问题结合，生成器基于这些信息生成流畅的回答。
研究分析了检索增强对不同语言模型生成答案的影响，以及文档集质量对生成答案的影响。重点考察答案的流利度、长度和差异，并通过人工和自动方法评估归因，揭示检索增强对知识丰富文本生成的影响，分析归因错误原因，为未来研究提供方向。
完成下面两步后，将自动完成登录并继续当前操作。
