Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Trả lời câu hỏi tăng cường truy xuất theo tham chiếu trên các tài liệu độc quyền không đồng nhất

Created by
  • Haebom

Tác giả

Nayoung Choi, Grace Byun, Andrew Chung, Ellie S. Paek, Shinsun Lee, Jinho D. Choi

Phác thảo

Bài báo này đề xuất một hệ thống hỏi đáp (QA) dựa trên công nghệ Thế hệ Tăng cường Truy xuất (RAG) để giải quyết những thách thức về truy cập thông tin do khối lượng lớn và tính chất phi cấu trúc của các tài liệu nội bộ doanh nghiệp. Lấy ví dụ về các tài liệu thử nghiệm va chạm từ ngành công nghiệp ô tô, chúng tôi tập trung vào việc xử lý các loại dữ liệu đa dạng, duy trì tính bảo mật dữ liệu và đảm bảo khả năng truy xuất nguồn gốc giữa các câu trả lời được tạo ra và các tài liệu gốc. Hệ thống được đề xuất bao gồm một đường ống dữ liệu chuyển đổi các loại tài liệu khác nhau thành một kho dữ liệu có cấu trúc và các cặp QA, một kiến ​​trúc bảo mật quyền riêng tư tại chỗ và một trình so khớp tham chiếu nhẹ giúp liên kết câu trả lời với nội dung hỗ trợ. Việc áp dụng vào ngành công nghiệp ô tô cho thấy những cải tiến về độ chính xác, tính thông tin và khả năng sử dụng so với các hệ thống hiện có.

Takeaways, Limitations

•
Takeaways:
◦
Đề Xuất khả năng giải quyết các vấn đề truy xuất tài liệu và truy cập thông tin nội bộ của công ty bằng cách sử dụng hệ thống QA dựa trên RAG.
◦
Trình bày phương pháp xử lý hiệu quả nhiều loại dữ liệu khác nhau (đa phương thức).
◦
Đề Xuất thiết lập hệ thống QA trong khi vẫn đảm bảo tính bảo mật của dữ liệu nội bộ công ty.
◦
Cải thiện độ tin cậy bằng cách đảm bảo khả năng truy xuất nguồn gốc của các câu trả lời được tạo ra.
◦
Có tính ứng dụng cao không chỉ trong ngành công nghiệp ô tô mà còn trong các ngành công nghiệp khác
•
Limitations:
◦
Việc đánh giá hiệu suất của hệ thống đề xuất chỉ giới hạn ở một ngành công nghiệp cụ thể (ô tô) và một tập dữ liệu hạn chế. Cần nghiên cứu thêm để xác định khả năng áp dụng rộng rãi cho các ngành công nghiệp và tập dữ liệu khác.
◦
Thiếu phân tích về chi phí và nguồn lực cần thiết để xây dựng và vận hành hệ thống.
◦
Cần xem xét thêm để xác định tính khách quan và độ tin cậy của các đánh giá do giám khảo LLM đưa ra.
◦
Thiếu cân nhắc đến khả năng mở rộng hệ thống và khả năng suy giảm hiệu suất tiềm ẩn đối với các tập dữ liệu lớn.
👍
Made with Slashpage