Key points are not available for this paper at this time.
لقد درست دراسات حديثة في التوليد المعزز بالاسترجاع (RAG) استخراج الأدلة من المقاطع المسترجعة لتقليل التكاليف الحاسوبية وتعزيز الأداء النهائي لـ RAG، ومع ذلك، لا يزال الأمر يمثل تحديًا. تعتمد الأساليب الحالية بشكل كبير على التعزيز القائم على القواعد، مما يواجه عدة مشكلات: (1) ضعف التعميم بسبب تصفية السياق المصنوعة يدويًا؛ (2) نقص الدلالة بسبب تقسيم السياق القائم على القواعد؛ (3) الطول المنحرف بسبب تعلم تصفية الجمل. لمعالجة هذه المشكلات، نقترح إطار عمل لتعلم استخراج الأدلة المبني على نموذج، SEER، الذي يُحسن نموذجًا بسيطًا كموذج لاستخراج الأدلة مع الخصائص المرغوبة من خلال التعلم ذي التوافق الذاتي. تُظهر التجارب الواسعة أن طريقتنا تحسن بشكل كبير الأداء النهائي لـ RAG، وتعزز من موثوقية وفائدة واختصار الأدلة المستخرجة، وتقلل من طول الأدلة بمقدار 9.25 مرة. سيتم توفير الشيفرة على https://github.com/HITsz-TMG/SEER.
درس Zhao et al. (Mon,) هذا السؤال.