摘要
传统检索增强生成（RAG）范式常导致检索信息与大型语言模型（LLM）上下文整合不佳。本文提出利用“语言注释”桥接检索结果与 LLM 推理能力，即明确阐述查询与检索内容间逻辑关系的分析性叙述。基于此，作者推出 Verbal-R3，一种包含生成器与语言重排序器的新型代理 RAG 框架。生成器执行迭代检索与推理，重排序器则提供相关性评分及语言注释以指导生成过程。该方法在复杂问答基准测试中取得了最先进性能。
AI 推荐理由
论文核心在于通过语言注释桥接检索与推理，显著提升 LLM 的逻辑推理能力。
研究机构
首尔国立大学电气与计算机工程学院
首尔国立大学跨学科人工智能项目
首尔国立大学AIIS, ASRI, INMC, and ISRC
论文信息