本文介绍了一种将信息瓶颈理论应用于检索增强生成的方法，通过最大化压缩和生成结果的互信息，最小化压缩和检索到的内容之间的互信息，实现对噪声的过滤。实验证明该方法在问答数据集中取得了显著的改进。

QUITO是一种新的上下文压缩方法，利用问题的注意力过滤无用信息。实验证明，QUITO在不同数据集和下游语言模型上的效果优于基线模型。