На пути к извлеченному результату для ответа на текстовый график вопросов

arXiv: 261 030.33511v 1 Тип уведомления: новое резюме: ответы на вопросы, касающиеся текстового графика (график) и генерация поиска на основе графа (графРАГ), привлекли все большее внимание в качестве способа заземления крупных языковых моделей (ЛМБ) структурированными знаниями. Несмотря на активные усилия, существующие методы по-прежнему сталкиваются с двумя ключевыми пробелами. Первый из них - архитектурный пробел: существующие методы, как правило, тонкий вид генератора на основе LLM, но не превращают сам ретривер в обучаемый LLD для выбора графических доказательств в рамках одного конечного дорожки-избыточного трубопровода. Вторая - это пробел в поиске и наблюдении: существующие ретриверы редко используют золотые сигналы для контроля за отбором доказательств. В результате они могут не вспомнить узлы доказательств, необходимые для рассуждения, что приводит к недостаточному освещению набора ответов на золото; тем временем наивные попытки ускорить отзыв часто приводят к появлению излишней несущественной информации, которая подрывает компактность и превышает LLM. Для устранения этих пробелов мы выступаем