arXiv · NLP· Jinghong Chen, Jingbiao Mei, Guangyu Yang, Bill Byrne·· 4 小时前AI 评分38
BERAG: 用于知识型视觉问答的贝叶斯集成检索增强生成
BERAG: Bayesian Ensemble Retrieval-Augmented Generation for Knowledge-based Visual Question Answering
AI 导读
提出 BERAG 框架，利用贝叶斯规则逐 token 更新文档后验概率作为集成权重，以解决传统 RAG 中“迷失在中间”效应及计算成本随上下文长度二次增长的问题。 该框架支持并行内存使用和明确的文档贡献归因，在基于知识的视觉问答及多模态 needle-in-a-haystack 基准测试中显著优于标准 RAG，并能通过文档剪枝实现比标准 RAG 更快的解码速度。
来源：arXiv · NLP · arxiv.org