Компьютерные науки > Искусственный интеллект [представлен 19 октября 2026 года] Название: A Small Model Searchs Better: Final-Turning Query Information for Retrieval-Augmented Generation View PDF HTML (экспериментальное) резюме: Чистое разъяснение имеет важное значение для систем поиска и обновления поколения, которые сталкиваются с двусмысленными запросами пользователей. Мы рассматриваем многооборотные сценарии разговора, когда запрос пользователя либо плохо оформлен, либо двусмыслен в контексте предыдущего диалога или же, что еще более интересно, он может быть хорошо составлен, но если его представить против извлеченных документов, то существует множество соответствующих толкований. Задача заключается в том, чтобы признать оба таких случая и затем запросить у пользователя соответствующие разъяснения. Мы представляем ClariEdge — новый набор данных, включающий примерно 3 900 примеров, которые включают такие двусмысленные вопросы наряду с негативными примерами, не требующими разъяснений. Мы также продемонстрировали, что легкая усовершенствованная LORA позволяет достичь 96,6 процента точности классификации и превышений эффективности за счет исходных параметров многих более крупных моделей как в отношении классификации, так и качества подготовки разъяснений. Наше исследование показывает, что твердые негативные факторы являются важным элементом для разделения вопросов, которые действительно двусмысленны и могут показаться неясными, но нет (т. е. могут быть урегулированы из…
Маленькая модель лучше спрашивает: тонкая подача запросов для нового поколения
arXiv: 261.20.28686v 1 Annualce Type: New Brieflow: Запрос о разъяснении имеет важное значение для систем поиска-добавленного поколения (RAG), которые сталкиваются с двусмысленными запросами пользователей. Мы рассматриваем многооборотные сценарии разговора, когда запрос пользователя либо плохо оформлен, либо двусмыслен в контексте предыдущего диалога или же, что еще более интересно, он может быть хорошо составлен, но если его представить против извлеченных документов, то существует множество соответствующих толкований. Задача заключается в том, чтобы признать оба таких случая и затем запросить у пользователя соответствующие разъяснения. Мы представляем ClariEdge — новый набор данных, включающий примерно 3 900 примеров, которые включают такие двусмысленные вопросы наряду с негативными примерами, не требующими разъяснений. Мы также продемонстрировали, что легкая усовершенствованная LORA позволяет достичь 96,6 процента точности классификации и превышений эффективности за счет исходных параметров многих более крупных моделей как в отношении классификации, так и качества подготовки разъяснений. Наше исследование показывает, что твердые отрицания являются важным ингредиентом для разделения.