今日arXiv最熱NLP大模型論文：引入噪聲，可提升RAG檢索效果超30%？？

AIGC動態歡迎閱讀

原標題：今日arXiv最熱NLP大模型論文：引入噪聲，可提升RAG檢索效果超30%？？
關鍵字：解讀,報告,噪聲,答案,性能
文章來源：夕小瑤科技說
內容字數：8567字

內容摘要：

夕小瑤科技說 原創編輯 | 謝年年檢索增強生成（Retrieval-Augmented Generation，簡稱RAG）系統的出現，提高了LLMs回答生成的準確性。它分為兩個部分:檢索與生成。檢索即利用檢索器從海量文檔中檢索出與查詢最相關或者最相似的段落，而生成則是LLMs針對混合查詢和檢索到的文檔生成響應。
最近關于RAG的研究也非常多，特別是對檢索組件有非常多的優秀工作。今天我們介紹的這篇文檔從一個特殊的角度出發，討論檢索到的文檔對RAG系統性能的影響。
大家可能想說，這有什么好討論的，檢索到的文檔對性能的影響很直白啊，那肯定是與查詢越相關，效果越好啊。
那如何為檢索文檔添加一些噪聲呢？也就是說與查詢八竿子打不著的文檔，對系統性能的影響又如何呢？
從直覺上來說，噪聲應該會對系統性能產生負面影響。
但是今天這篇文章給出的結果卻讓人大吃一驚！
噪聲文檔不僅沒有對系統性能造成負面影響，反而能夠顯著提高系統的準確性，最高可達35%的改善。而那些與查詢相關的文檔可能是強有力的干擾項，影響模型的性能。這一發現挑戰了傳統信息檢索系統的常規理解，在這個新的范式下，傳統的檢索技術可能不是最優的，需

原文鏈接：今日arXiv最熱NLP大模型論文：引入噪聲，可提升RAG檢索效果超30%？？

聯系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：更快的AI前沿，更深的行業洞見。聚集25萬AI一線開發者、互聯網中高管和機構投資人。一線作者來自清北、國內外頂級AI實驗室和大廠，兼備行業嗅覺與報道深度。