跨文档检索增强生成的分层抽象树
Hierarchical Abstract Tree for Cross-Document Retrieval-Augmented Generation

Ziwen Zhao, Menglin Yang


• 本文提出了一种名为Ψ-RAG的新方法，旨在解决现有树状检索增强生成（RAG）模型在处理复杂的跨文档多跳问题时所面临的局限性。
• Ψ-RAG的核心创新在于其引入了一个分层抽象树索引。该索引能够有效地组织和表示多个文档中的信息，支持更深层次的语义理解。
• 此外，该方法还设计了一个多粒度检索代理。这个代理能够根据查询的复杂程度和具体需求，在分层树的不同抽象层次上进行灵活且精确的信息检索。
• 这种结合使得Ψ-RAG能够更有效地整合来自多个源文档的信息，从而为多跳问题生成更准确、更全面的答案。

🔗 arXiv · 🤗 HF

#检索增强生成 #跨文档问答 #多跳推理 #分层索引 #信息检索

基于检索增强代码合成的高保真3D对象生成
BlenderRAG: High-Fidelity 3D Object Generation via Retrieval-Augmented Code Synthesis
⭐ 1 · arXiv · HF
#三维对象生成 #检索增强 #代码生成 #大语言模型 #零样本学习

迭代检索增强生成的像素级视觉归因：证据链框架
Chain of Evidence: Pixel-Level Visual Attribution for Iterative Retrieval-Augmented Generation
arXiv · HF
#多模态 #检索增强生成 #多跳推理 #可解释性 #视觉定位 #归因