HyCE-RAG: Framework Ipergrafico per il Question Answering Multi-hop Spiegabile
È stato introdotto un nuovo framework chiamato HyCE-RAG (Hypergraph Chain-of-Evidence Retrieval-Augmented Generation) per migliorare la spiegabilità nel question answering multi-hop. I metodi RAG tradizionali si basano sulla similarità semantica tra query e segmenti di testo, trascurando le relazioni strutturali tra entità e fatti. Mentre il RAG basato su grafi incorpora conoscenza strutturata, i suoi archi a coppie sono insufficienti per catturare connessioni di ordine superiore. Al contrario, HyCE-RAG organizza entità, relazioni e prove contestuali in iperarchi, costruisce un ipergrafo di prove sensibile alla query e facilita la propagazione della confidenza attraverso strutture di incidenza entità-iperarco. Questo approccio utilizza l'assemblaggio di prove guidato dalla confidenza per formulare risposte accompagnate da spiegazioni, affrontando efficacemente il QA multi-hop che richiede la raccolta di prove da vari documenti. La ricerca è disponibile su arXiv con ID 2607.22597.
Fatti principali
- HyCE-RAG sta per Hypergraph Chain-of-Evidence Retrieval-Augmented Generation
- È progettato per il question answering multi-hop spiegabile
- Il RAG standard si basa sulla similarità semantica tra query e chunk di testo
- Il RAG basato su grafi usa archi a coppie, limitati per associazioni di ordine superiore
- HyCE-RAG organizza entità, relazioni e prove contestuali in iperarchi
- Costruisce un ipergrafo di prove sensibile alla query
- Esegue la propagazione della confidenza su strutture di incidenza entità-iperarco
- L'articolo è su arXiv con ID 2607.22597
Entità
Istituzioni
- arXiv