摘要
多跳问答在检索增强生成（RAG）中仍具挑战，现有方法易传播错误或过度生成推理步骤。本文提出接地增量规划 RAG（GDP-RAG），一种基于规划的框架，仅针对信息差进行优化。其设计包括：执行前初步检索以接地规划、基于缺口的规划提示仅询问缺失信息、以及将子查询与承载证据的思维轨迹配对。实验表明，GDP-RAG 在多个基准上实现了最高准确率，同时显著降低了计算成本。
AI 推荐理由
论文提出基于规划框架的 GDP-RAG，核心在于针对信息差进行多步检索规划。
研究机构
国立台湾大学计算机科学与信息工程学系
国立台湾大学通信工程研究所
国立台湾大学经济学系
国立台湾大学资讯管理学系
国立台湾大学人工智慧研究中心（NTU AI-CoRE）
论文信息