自适应检索增强生成法（ARAG）旨在提升信息检索效率，但评估不足。研究提出了RetrievalQA基准测试集，包含1,271个需要外部信息的新领域和长尾知识问题。发现校准方法依赖阈值调整，提示方法不可靠。提出了无需校准或额外训练的Time-Aware Adaptive Retrieval（TA-ARE）来评估检索必要性。数据集和代码可在GitHub获取。

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。

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。