SEER: Extracción de Evidencia Auto-Alineada para Generación Aumentada por Recuperación

Estudios recientes en Generación Aumentada por Recuperación (RAG) han investigado la extracción de evidencia de pasajes recuperados para reducir los costos computacionales y mejorar el rendimiento final de RAG, sin embargo, sigue siendo un desafío. Los métodos existentes dependen en gran medida de la augmentación basada en heurísticas, encontrando varios problemas: (1) Pobre generalización debido al filtrado de contexto hecho a mano; (2) Deficiencia semántica debido a la fragmentación de contexto basada en reglas; (3) Longitud sesgada debido al aprendizaje de filtros por oración. Para abordar estos problemas, proponemos un marco de aprendizaje de extracción de evidencia basado en modelos, SEER, que optimiza un modelo básico como extractor de evidencia con propiedades deseadas a través del aprendizaje autoalineado. Experimentos extensivos muestran que nuestro método mejora en gran medida el rendimiento final de RAG, aumenta la fidelidad, utilidad y concisión de la evidencia extraída, y reduce la longitud de la evidencia en 9.25 veces. El código estará disponible en https://github.com/HITsz-TMG/SEER.