arXiv · NLP· Jueun Kim, Sungho Park, Wook-Shin Han·· 3 天前AI 评分26
Hi-Q:基于分层证据引导查询优化的多跳问答框架
Hi-Q: Hierarchical Evidence-guided Query Refinement for Multi-Hop Question Answering
AI 导读
summary_zh: Hi-Q 框架通过层级化查询优化解决多跳问答中问题与证据粒度不匹配问题,在三个基准上平均取得 52.3 EM 和 64.0 F1。 该框架依据语料库支持信号动态生成查询树,无需固定图结构;在 MuSiQue-full 测试中领先 RAG 基线 11.5 EM。
来源:arXiv · NLP · arxiv.org