跳到正文
arXiv · NLP· Guillaume Brouillette (Universit\'e du Qu\'ebec \`a Trois-Rivi\`eres, Trois-Rivi\`eres, Canada), Faustin Kagabo (Universit\'e du Qu\'ebec \`a Trois-Rivi\`eres, Trois-Rivi\`eres, Canada), Usef Faghihi (Universit\'e du Qu\'ebec \`a Trois-Rivi\`eres, Trois-Rivi\`eres, Canada), Nadia Ghazzali (Universit\'e du Qu\'ebec \`a Trois-Rivi\`eres, Trois-Rivi\`eres, Canada)·· 2026-10-08AI 评分23

LLM 检索中相关性 & 多样性的平衡:查询自适应规则与 RNG-Score

Finding the Right Balance: Relevance and Diversity in LLM Retrieval

AI 导读

LLM 检索中多样化并非总是有益,其效果取决于候选池冗余度与查询所需证据数。在干净数据池上,多样化会损害相关性、证据覆盖与答案质量;在多证据任务中,当冗余导致最近邻检索重复选取片段时,多样化才有益。

来源:arXiv · NLP · arxiv.org