跳到正文
arXiv · ML· Yibo Wang, Jisheng Dang, Bimei Wang, Jiongpei Hou, Jingwen Zhao, Wenjun Ma, Fei Shen, Juncheng Li, Meng Wang, Qi Tian, Bin Hu, Tat-Seng Chua·· 17 天前AI 评分31

EviCast:通过共享响应校准预测检索增益

EviCast: Forecasting Retrieval Gains Through Shared Response Calibration

AI 导读

EviCast 框架通过干预性证据状态分解预测 RAG 检索价值,无需执行所有配置即可计算净效用及 95% 置信下界。 该框架结合生成器响应与候选检索器离线分布,在 HotpotQA 14 种配置中预测误差仅 2.75 F1 点,并减少 80% 诊断生成调用。

来源:arXiv · ML · arxiv.org