通过混合RAG方法增强问答系统

检索增强生成（RAG）已成为提升问答任务响应质量的一种强大技术。然而，现有方法在检索上下文相关信息时常常面临挑战，导致答案不完整或次优。本文提出了一种混合架构——结构化语义RAG（SSRAG），通过整合查询增强、智能路由和结合向量与图技术的结构化检索机制，提升了问答质量。该方法通过优化检索过程和加强上下文关联性，提高了答案的准确性和信息量。我们在TruthfulQA、SQuAD和WikiQA三个流行问答数据集上进行了广泛评估，结果表明，与标准RAG实现相比，所提方法在五种大语言模型（LLMs）中均能显著提升响应质量。