[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

BifrostRAG: Conexión de gráficos de conocimiento dual para la respuesta a preguntas de múltiples saltos en seguridad en la construcción

Created by
  • Haebom

Autor

Yuxin Zhang (Departamento de Ciencias de la Construcción, Facultad de Arquitectura, Universidad Texas A&M, College Station, EE. UU.), Xi Wang (Departamento de Ciencias de la Construcción, Facultad de Arquitectura, Universidad Texas A&M, College Station, EE. UU.), Mo Hu (Departamento de Ciencias de la Construcción, Facultad de Arquitectura, Universidad Texas A&M, College Station, EE. UU.), Zhenyu Zhang (Departamento de Ciencias de la Construcción, Facultad de Arquitectura, Universidad Texas A&M, College Station, EE. UU.)

Describir

Este artículo aborda la aplicación de la recuperación de información y la respuesta a preguntas de las regulaciones de seguridad a la verificación automatizada del cumplimiento de la construcción. Para abordar los desafíos existentes que plantea la complejidad lingüística y estructural de los textos regulatorios, proponemos BifrostRAG, un sistema RAG basado en grafos duales que modela explícitamente las relaciones lingüísticas (grafo de red de entidades) y la estructura del documento (grafo de navegador de documentos). BifrostRAG permite que los modelos de lenguaje a gran escala infieran tanto el significado como la estructura de los textos a través de un mecanismo de recuperación híbrido que combina el recorrido de grafos y la recuperación semántica basada en vectores. Los resultados de la evaluación en el conjunto de datos de preguntas de múltiples pasos demuestran que BifrostRAG alcanza una precisión del 92.8%, una recuperación del 85.5% y una puntuación F1 del 87.3%, superando significativamente los sistemas de referencia RAG de solo vectores y solo grafos con mejor rendimiento existentes. El análisis de errores resalta aún más la ventaja comparativa del método híbrido sobre los RAG monomodo. Estos resultados establecen a BifrostRAG como un poderoso motor de conocimiento para la verificación de cumplimiento basada en LLM, y su mecanismo de búsqueda híbrido de doble gráfico proporciona un modelo transferible para navegar por documentos técnicos complejos en dominios de ingeniería con uso intensivo de conocimiento.

Takeaways, Limitations

•
Takeaways:
◦
Propuesta de un nuevo sistema RAG, BifrostRAG, que mejora significativamente el rendimiento de respuesta a preguntas de varios pasos en documentos técnicos complejos (por ejemplo, normas de seguridad).
◦
Demostrar la eficacia de un mecanismo de recuperación híbrido basado en un gráfico dual (relaciones lingüísticas y estructura del documento).
◦
Presenta avances importantes en el desarrollo de sistemas automatizados de verificación de cumplimiento basados en LLM.
◦
Proporciona una arquitectura transferible aplicable a una amplia gama de campos de ingeniería con uso intensivo de conocimiento.
•
Limitations:
◦
Sólo se presentan los resultados de la evaluación para un dominio específico (normas de seguridad en la construcción), por lo que se necesita más investigación sobre la generalización.
◦
Falta de descripción detallada del tamaño y la diversidad del conjunto de datos utilizado.
◦
Se necesita más investigación sobre la aplicabilidad y el rendimiento para otros tipos de documentos complejos.
👍
Made with Slashpage