Adaptive ToR: Recupero ad Albero Consapevole della Complessità per NLU Multi-Intento
Uno studio recente pubblicato su arXiv introduce l'Adaptive Tree-of-Retrieval (Adaptive ToR), un framework di recupero innovativo progettato per la comprensione del linguaggio naturale multi-intento. Questa architettura adatta la sua struttura di recupero in base alle specifiche della query, utilizzando un Query Tree Classifier che genera un Query Complexity Index a partire da indicatori linguistici pesati. Ciò consente al sistema di indirizzare le query attraverso un percorso rapido a singolo passo o un percorso gerarchico a profondità flessibile. Inoltre, presenta un componente di Recupero ad Albero che scompone sistematicamente le query complesse in sotto-query mirate, insieme a un Modulo di Potatura Adattivo che applica un processo di filtraggio a due stadi. L'obiettivo è stabilire bilanciamenti Pareto-ottimali tra accuratezza ed efficienza computazionale, superando gli svantaggi del recupero uniforme a singolo passo e della decomposizione gerarchica rigida.
Fatti principali
- 1. Adaptive ToR è un'architettura di recupero consapevole della complessità per NLU multi-intento.
- 2. Configura dinamicamente la topologia di recupero in base alle caratteristiche della query.
- 3. Include un Query Tree Classifier che calcola un Query Complexity Index.
- 4. Instrada le query verso un percorso rapido a singolo passo o un percorso gerarchico a profondità adattiva.
- 5. Il modulo di Recupero ad Albero decompone ricorsivamente le query complesse.
- 6. Il Modulo di Potatura Adattivo impiega un filtraggio a due stadi.
- 7. Mira a compromessi Pareto-ottimali tra accuratezza ed efficienza computazionale.
- 8. Affronta le limitazioni del recupero uniforme a singolo passo e della decomposizione gerarchica a profondità fissa.
Entità
Istituzioni
- arXiv