Duolin Sun Dan Yang Yue Shen Yihan Jiao Zhehao Tan Jie Feng Lianzhen Zhong Jian Wang Peng Wei Jinjie Gu

الملخص

يُحسّن نهج الاسترجاع المُعزّز بالإنشاء (RAG) أنظمة إجابة الأسئلة والمهام المتعلقة بإنشاء الحوار من خلال دمج تقنيات استرجاع المعلومات (IR) مع النماذج اللغوية الكبيرة (LLMs). ويُعد هذا النهج، الذي يعتمد على استرجاع المعلومات من قواعد معرفية خارجية لتعزيز قدرات النماذج الإنشائية، ناجحًا إلى حد ما. ومع ذلك، ما زالت الطرق الحالية المعتمدة على RAG تواجه تحديات متعددة عند التعامل مع الاستفسارات متعددة الخطوات (multi-hop queries). فعلى سبيل المثال، تعتمد بعض الأساليب بشكل مفرط على عملية الاسترجاع التكراري، ما يؤدي إلى استهلاك عدد كبير جدًا من خطوات الاسترجاع في الاستفسارات المركبة. علاوة على ذلك، قد يؤدي استخدام الاستفسار الأصلي المعقد في عملية الاسترجاع إلى فشل في استخلاص المحتوى المتعلق بأسئلة فرعية محددة، مما ينتج عنه محتوى مُسترجع مُضطرب (مُتَعَبِّر عن "ضوضاء" - noise). وإذا لم تُدار هذه الضوضاء بشكل فعّال، فقد تؤدي إلى مشكلة تراكم الضوضاء (noise accumulation). ولحل هذه المشكلات، نقدّم HANRAG، وهي إطار عمل جديد مبني على منهجية تحليلية (heuristic-based)، صُمّم لمعالجة المشكلات المتنوعة في التعقيد بكفاءة. ويعمل HANRAG، بقيادة مُحدِّد قوي (revelator)، على توجيه الاستفسارات، وتحليلها إلى استفسارات فرعية، ثم تنقية المحتوى المسترجع من الضوضاء. ويتسم هذا الإطار بقدرته العالية على التكيّف والمقاومة للضوضاء، مما يجعله قادرًا على التعامل بكفاءة مع أنواع متنوعة من الاستفسارات. وقمنا بمقارنة الإطار المقترح مع أساليب صناعية رائدة أخرى عبر عدة معايير معيارية (benchmarks). وأظهرت النتائج أن الإطار المُقترح يحقق أداءً متفوقًا في كل من مهام إجابة الأسئلة ذات الخطوة الواحدة (single-hop) ومهام الاستفسارات متعددة الخطوات.