כתבה
arXiv cs.LG ·
רירקורינג והתערבות מאוחרת: השוואה מעוצבת של סטרטגיות RAG לענייני שאלה וידוי
Re-ranking and Late Interaction Drive Retrieval Quality: A Controlled Comparison of RAG Strategies for Scientific Question Answering
במאמר זה, נערכה השוואה מעוצבת של שש סטרטגיות רירקורינג לענייני שאלה וידוי, כולל רירקורינג והתערבות מאוחרת, על מנת לבחון את יעילותן של סטרטגיות RAG בענייני שאלה וידוי. המאמר כולל תיאור של הארכיטקטורה והimplementations של כל סטרטגיה, יחד עם קוד ודטסט של שאלות סינתטיות. התוצאות הראו כי רירקורינג והתערבות מאוחרת הן שתי סטרטגיות רירקורינג יעילות לענייני שאלה וידוי.
תקציר מקורי באנגליתarXiv:2609.38473v1 Announce Type: cross Abstract: Retrieval-Augmented Generation (RAG) is now the standard way to ground Large Language Models (LLMs) in external knowledge, yet the design space of retrieval pipelines is large and the trade-offs between variants are not well understood, especially on domain-specific corpora at realistic scale. In this work, we present a controlled comparison of six retrieval strategies for scientific question answering: (i) classic top-k dense retrieval, (ii) LLM-based query rephrasing, (iii) query rephrasing followed by LLM-based reranking, (iv) multi-query fusion via Reciprocal Rank Fusion (RRF), (v) an agentic tool-call pipeline in which the generator decides for itself whether to retrieve, and (vi) late-interaction retrieval with ColBERTv2. All six pipe
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית