Компьютерная наука > Расчет и язык [представлен 29 января 2026 (v1), последний пересмотренный вариант 7 октября 2026 года (эта версия, v3)] Название: Quantification Retriver-Generator University in RAG With Local View PDF HTML (экспериментальное) Резюме: системы ретриверов с привитием поколения (RAG), сочетающие плотные ретрансляторы и языковые модели в наземную продукцию во внешних документах. Однако взаимодействие между этими компонентами остается непрозрачным, что создает проблемы для развертывания в областях с высоким уровнем выбросов. Мы представляем систему RAG-E, определённую в конечном счете, которая позволяет категоризировать соотношение между ретривером и генератором с помощью математически обоснованных методов аккредитования. Наш подход адаптирует Интегрированные Градиенты для анализа ретриверов, предлагает стабилизированную в Монте Карло аппроксимацию значений Шапли для аккредитования генераторов и вводит показатель Взвешенного согласования между Retriver и Генератором (WARG) для измерения того, насколько тесно использование документов генератора согласуется с ранжированием ретранслятора. Эксперименты по PopQA, QAMPARI и TREC CAST обнаруживают существенные расхождения: в зависимости от модели и настройки генераторы часто игнорируют документы высшего ранга и используют документы, которые считаются менее актуальными. Мы показываем, что WARG фиксирует ретривер-генератор лучше, чем корреляции Пирсона и Спирмана, и может служить показателем эффективности RAG. РАГ-Е и…
Количественная увязка ретривер-генератора в РАГ с местными разъяснениями
arXiv:2601.21803v3 Тип уведомления: заменить резюме: системы с густыми ретриверами и языковыми моделями сочетают в себе результаты работы наземной обработки внешних документов. Однако взаимодействие между этими компонентами остается непрозрачным, что создает проблемы для развертывания в областях с высоким уровнем выбросов. Мы представляем систему RAG-E, определённую в конечном счете, которая позволяет категоризировать соотношение между ретривером и генератором с помощью математически обоснованных методов аккредитования. Наш подход адаптирует Интегрированные Градиенты для анализа ретриверов, предлагает стабилизированную в Монте Карло аппроксимацию значений Шапли для аккредитования генераторов и вводит показатель Взвешенного согласования между Retriver и Генератором (WARG) для измерения того, насколько тесно использование документов генератора согласуется с ранжированием ретранслятора. Эксперименты по PopQA, QAMPARI и TREC CACT обнаруживают существенные расхождения: в зависимости от модели и настройки генераторы часто игнорируют документы высшего ранга и опираются на документы, считающиеся менее релеванскими
