跳到主要内容
检索

# 检索增强生成

54 篇关联报道

订阅更新
  1. arXiv

    化学家只写目标,VibeSyn智能体跑完十步全合成:人工主动输入仅占7.3%

    浙江大学等团队构建了分层智能体系统 VibeSyn,把化学家给出的分子目标转成随实验证据调整的合成决策,并驱动计算工具与自动化装置执行。在十步长春质碱全合成中,系统记录722条动作,其中智能体推理占69.7%、工具与装置结果占18.8%,主动人工输入与人工确认分别占7.3%和4.2%,最终从29.8 mmol 3-乙基吡啶得到160 mg产物。含非天然氨基酸环肽的三项合成中,主动人工输入与确认分别占7.5%和5.2%。

  2. arXiv

    AskALCF把HPC问答的失败分给具体组件:2174轮里无法归因的失败从41.4%降到14.2%

    面向高性能计算用户支持的智能体系统AskALCF把每次问答的失败归因到知识、检索、提示、模型或工具五类组件之一,而不是只给一个质量分。它在2174轮生产支持对话上把无法归因的失败从41.4%降到14.2%,并在150轮专家标注参考上把与专家的一致数从108提高到123。改进对象是规则、提示和评审策略,模型权重不变,所有面向生产的改动仍由专家把关。

  3. researchsquare.com

    零售媒体广告不再只看点击计数:理论约束的半马尔可夫状态把单步购买预测AUC从0.635抬到0.717

    零售媒体网络通常把点击流压成点击率、转化率、最近购买等汇总特征,两个行为计数相同的购物者因此无法区分。一项在匿名全渠道零售商5.2百万活跃会员平台上开展的三轮投放研究,把购买意图推断写成带理论约束的隐半马尔可夫动态:状态由计划行为理论、消费者决策旅程与说服知识模型三个坐标定义,检索增强语言模型给出参考后验,在期望步中以KL正则约束状态归类。在n=1,008名配对测试消费者上,该模型单步购买预测AUC为0.717,仅用行为协变量的基线为0.635。

  4. Chinese Medicine

    中医妇科有了家用分诊模型:MAGR-TCM在30例安全测试中把急症与常规病例全部判对

    面向中医妇科的家庭健康咨询与分诊,MAGR-TCM把741份临床病案整理成含10231个实体、32051条关系的知识图谱,再让四个分工不同的智能体沿“病—证—治则—方—药”链条逐步推理。在30例独立测试病案上,它的RAGAS忠实度得分为0.821,高于GraphRAG的0.766、LightRAG的0.651和Naive RAG的0.590;在含10例急症与20例常规病例的安全测试集中,红旗机制全部正确拦截与放行,敏感度和特异度均为1.000。这些结果来自回顾性、专家标注的病案评估,尚未在真实家庭用户中做前瞻验证。

  5. arXiv

    检索单位从内容换成推理骨架:PatternBloom 让 7B 智能体在多跳问答上随推理深度累积优势

    PatternBloom 把智能体检索增强生成(RAG)的检索单位从“读什么内容”改为“怎么推理”的类型化图骨架,骨架由第一阶段强化学习高分轨迹蒸馏进外部图模式记忆,第二阶段再用模式覆盖奖励把策略与这份冻结记忆耦合。在七个问答基准上,7B 版本在全部七项数据集上按 EM 与 F1 排名第一,平均分布外 EM 领先 R1-Searcher,且同一冻结模式记忆可迁移到 Qwen3-8B 骨干。

  6. arXiv

    手术画面描述改用图检索:GRAC在EndoVis-18上把器械-动作-目标三元组完全匹配率提到52.6%

    GRAC把手术场景表示为图,从训练集中检索相似的手术活动图-描述对,再比较当前场景与检索场景的器械-组织交互,用比较结果约束生成。在EndoVis-18合并评测集上,它的CIDEr-D为5.88,高于SGT的4.23和最强传统Transformer基线的3.36;器械-动作-目标三元组完全匹配率为52.6%,SGT为32.7%,最强传统基线为26.2%。在TORS数据集上,它的CIDEr-D为5.06,最强基线为3.80。

  7. arXiv

    检索库该留哪些片段有了有限样本证书:数据依赖筛选之后,覆盖遗憾上界仍然成立

    在存储或标注预算下为检索增强生成挑选文档片段时,选出的集合相对最优可行集合会损失多少查询覆盖,此前缺少在数据依赖选择之后仍然有效的有限样本保证。这项工作把选择与审计分开:试点阶段选集合、筛候选并搭建比较网络,随后一次独立审计按可观测分层内的固定概率获取相关性标签,给出对所有保留覆盖对比同时成立的上界,并用模拟验证其名义置信水平。

  8. npj Precision Oncology

    皮肤免疫毒性判读不再只靠人眼:LLM辅助把F1从0.77提到0.88,审阅时间约减三分之一

    在免疫检查点抑制剂治疗患者的门诊病历中,识别皮肤免疫相关不良事件(cirAE)长期依赖人工逐份翻阅,耗时且不同审阅者判断不一。一项多机构研究让非皮肤科审阅者在检索增强的多智能体大语言模型辅助下判读,模型给出二分类建议并附支持性病历摘录。以皮肤科专家标注为金标准,辅助组F1为0.88、Cohen's κ为0.82,人工组分别为0.77和0.50,审阅者自报平均每份病历审阅时间由15分钟降至10分钟。

  9. 检索增强生成拆成三个智能体:TRIO让查询扩展、检索判断与作答各自优化

    检索增强生成(RAG,先从外部知识库取回材料再让语言模型作答)常因检索不到位和编造内容而失准。TRIO把这条流程拆成查询扩展、检索充分性判断和作答三个智能体,让每个智能体按各自的奖励信号迭代改进:扩展智能体按答案质量提升获得奖励,判断智能体以一致性投票标注的充分与否为监督,作答智能体用动态匹配奖励配合课程学习训练。多个基准数据集上的实验显示,TRIO相对当前先进方法更有效,代码已公开。

  10. researchsquare.com

    GraphCLaRa 给冻结的 CLaRa 阅读器加一层图重排:多跳问答 F1 最高提升 6.6,且用更少文档

    多跳问答的检索增强生成常被无关文档拖累,而 CLaRa 把检索文档压成稠密隐记忆后,文档之间的结构关系更难被利用。GraphCLaRa 在冻结的 CLaRa 阅读器前加一个约 130 万参数的图重排器:按查询构建文档图,用图注意力网络传播证据,再自适应决定送入多少篇文档。在四个问答基准上,它在三个数据集上提升答案 F1,2Wiki 提升 6.6、MuSiQue 提升 6.4、NQ 提升 2.5,同时使用更少文档;在检索已饱和的 HotpotQA 上落后 1.1 F1。