Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

ComRAG : Génération augmentée par récupération avec des magasins de vecteurs dynamiques pour répondre aux questions communautaires en temps réel dans l'industrie

Created by
  • Haebom

Auteur

Qinwen Chen, Wenbiao Tao, Zhiwei Zhu, Mingfan Xi, Liangzhong Guo, Yuan Wang, Wei Wang, Yunshi Lan

Contour

Dans cet article, nous proposons ComRAG, un framework de génération augmentée par récupération pour le Question Answering (CQA) industriel en temps réel. ComRAG intègre des connaissances statiques et des paires de QA passées dynamiques via un mécanisme de mémoire basé sur un cœur conçu pour la récupération, la génération et le stockage efficace. Il est conçu pour résoudre les problèmes suivants : les méthodes existantes n'exploitent pas pleinement les connaissances externes, n'intègrent pas les contextes de QA passées dynamiques ou manquent de mécanismes de mémoire adaptés au déploiement industriel. Évalué sur trois jeux de données CQA industriels, ComRAG surpasse tous les modèles de référence, améliorant la similarité vectorielle jusqu'à 25,9 %, réduisant la latence de 8,7 % à 23,3 % et réduisant la croissance des blocs par itération de 20,23 % à 2,06 %.

Takeaways, Limitations

•
Takeaways:
◦
Présentation d'un nouveau cadre pouvant contribuer à améliorer les performances des systèmes CQA industriels en temps réel
◦
Démontrer l'utilité d'un mécanisme de mémoire basé sur le centre qui intègre efficacement les connaissances statiques et les paires dynamiques de QA passées.
◦
Nous démontrons des améliorations substantielles des performances grâce à des améliorations de la similarité des vecteurs, de la latence et du taux de croissance des blocs.
•
Limitations:
◦
Nécessité de valider les performances sur d'autres ensembles de données que les trois ensembles de données CQA industriels présentés
◦
Des recherches supplémentaires sont nécessaires sur l’évolutivité et la généralisabilité des mécanismes de mémoire basés sur les centres.
◦
Puisqu’il s’agit d’un modèle optimisé pour un environnement industriel spécifique, des recherches supplémentaires sont nécessaires sur son applicabilité à d’autres domaines.
👍
Made with Slashpage