语义分块RAG方法通过计算句子间的语义相似度进行智能分块，从而提高检索精度。该方法利用百分位数等技术识别语义断点，将文本划分为连贯的块，并支持多种断点检测方式。

本文提出了一种新方法GeAR，解决了传统文档检索中对语义相似度和细粒度语义关系的忽视。GeAR通过融合与解码模块生成相关文本，专注于细粒度信息，且无额外计算负担，展现出优越的检索性能。

本研究使用句子转换和余弦相似度来衡量语义相似度，并将其引入机器翻译质量估计作为新的度量标准。通过分析数据集，发现文本相似性与人工评分相关性更强。建议结合文本相似性和其他指标以提高质量估计的准确性和可用性。

本文通过对BERT模型进行多种攻击的探索，发现PWWS攻击是最强大的对手，具有更低的运行时间、更高的准确性和更好的语义相似度得分。

本文介绍了AMR相似度度量方法rematch和结构相似性评估标准RARE，解决了现有方法效率低和难以捕捉语义相似度的问题。rematch在STB-B和SICK-R基准测试中表现出色，更高效。

本文提出了一种用户可控机制，通过数值标签度量词汇重叠度和语义相似度，控制 LLM 对外部知识的依赖程度，实验证明该方法有效，强调了增强 LLM 的多功能性和准确性平衡的潜力。