Компьютерная наука > Расчет и язык [представлен 26 мая 2026 (v1), последний пересмотренный вариант 7 сентября 2026 года (эта версия, v2)) Название: LitSeg: Darrative-Aware Document Scentation for Literary RAG View PDF HTML (экспериментальный) резюме: Retrieval-Aughd Generation (RAG) укрепляет модели большого языка (LLMS), расширяя внешние знания, особенно в таких областях длинного хвоста, как литературные произведения. Однако критически важный этап сегментации документов в РКГ по-прежнему в значительной степени не изучен. Существующие стратегии, как правило, либо игнорируют семантику, либо упускают из виду сложные структуры повествования литературных произведений, что часто приводит к отскочкам с фрагментированными участками и нечетким ссылкам, которые препятствуют поиску информации и работе поколения. Для решения этой проблемы мы предлагаем " LitSeg &qt; , новую систему сегментации с помощью теории. Используя многоэтапную фазу, LitSeg эксплицитно выводит действительные события, разъясняет описательные структуры и обнаруживает поворотные точки для информирования сегментации. Для смягчения накладных расходов, связанных с многоэтапным выводом при помощи крупномасштабных моделей, мы далее введем LitSeg-Lite — легковесный одноразовый кусок, тщательно отрегулированный на данные, полученные компанией Litseg, посредством двухступенчатой стратегии подготовки кадров, что позволит сделать один шаг. Широкие эксперименты показывают, что по сравнению с исходными условиями наши…
LitSeg: Сегмент написание документов для литературных RAG
arXiv:2605.27156v2 Тип анонсации: заменить резюме: " Retrieval-Aughded Generation (RAG) < , улучшает большие языковые модели (LMS), включая внешние знания, особенно в таких областях длинного хвоста, как литературные произведения. Однако критически важный этап сегментации документов в РКГ по-прежнему в значительной степени не изучен. Существующие стратегии, как правило, либо игнорируют семантику, либо упускают из виду сложные структуры повествования литературных произведений, что часто приводит к отскочкам с фрагментированными участками и нечетким ссылкам, которые препятствуют поиску информации и работе поколения. Для решения этой проблемы мы предлагаем " LitSeg &qt; , новую систему сегментации с помощью теории. Используя многоэтапную фазу, LitSeg эксплицитно выводит действительные события, разъясняет описательные структуры и обнаруживает поворотные точки для информирования сегментации. Чтобы облегчить расчетные накладки многоэтапных выводов с крупномасштабными моделями, мы далее представляем LitSeg-Lite - легкий одноразовый кусок в виде тонких протоков на созданном LitZeg Dat