摘要
检索增强生成常因查询、文档证据与用户意图的抽象层级不匹配而失败。本文定义此现象为“抽象差距”，并提出 AbstRAG 方法，将抽象视为显式检索对象。该方法将差距分解为表达、概念、意图及事件类型组件，结合匹配质量与效用先验进行评分。其核心机制是“反思性细化”：通过批评者诊断检索失败，定位错误的抽象操作，提出最小化补丁并在充分性与压缩控制下接受。实验表明，该方法在多个基准测试中显著优于基线，提升了检索精度与生成准确性。
AI 推荐理由
论文提出反思性细化机制，通过诊断和修正抽象差距提升检索推理能力。
研究机构
Idiap Research Institute, Switzerland
École Polytechnique Fédérale de Lausanne (EPFL), Switzerland
São Paulo State University, Brazil
Department of Computer Science, University of Manchester, United Kingdom
CRUK National Biomarker Centre, University of Manchester, United Kingdom
论文信息