跨多领域对话问答中RAG方法的全面比较

随着对话式问答对检索增强生成（RAG）方法的依赖增加，本文针对多轮对话场景下的RAG方法缺乏系统性比较的问题，进行了深入研究。通过八个不同领域的对话问答数据集，评估了基础和高级RAG方法的检索质量和答案生成效果，并分析了性能随对话轮次的变化。结果表明，如重排序、混合BM25和HyDE等稳健且简单的方法表现优于基础RAG，而一些高级技术未能提升性能甚至低于无RAG基线。研究还指出数据集特征和对话长度显著影响检索效果，说明有效的对话RAG更依赖于检索策略与数据集结构的匹配，而非方法复杂度。