כתבה
arXiv cs.AI ·
VikingRAG: תגובה-מסד-מידע עקבי ומועיל לרכישת ראיות-מסד-מידע
VikingRAG: Accurate and Token-efficient Retrieval-augmented Generation over Structured Documents
VikingRAG הוא תגובה-מסד-מידע עקבי ומועיל שמצליח לרכוש ראיות-מסד-מידע בעלות נמוכה של תווים, ומציע תגובה-מסד-מידע עקבי ומועיל. הוא משתמש במודל GPT-5 ומציע תגובה-מסד-מידע עקבי ומועיל.
תקציר מקורי באנגליתarXiv:2609.11390v1 Announce Type: cross Abstract: State-of-the-art retrieval-augmented generation (RAG) methods exploit document structures to acquire sufficient evidence, but often incur substantial token costs. To reduce structural-context tokens without compromising high RAG accuracy, we present {\sf VikingRAG}, a directory-aware semantic data management system that tightly integrates semantic and structural access to support structural-context-efficient, evidence-gap-driven multi-round retrieval. To further reduce token overhead of multi-round interaction, we materialize agentic multi-round retrieval traces as experience edges, and reuse these edges for similar queries, avoiding repeated multi-round exploration. To additionally reduce token costs when agentic multi-round retrieval is u
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית