标题： RAG-Fusion: a New Take on Retrieval-Augmented Generation
作者： Zackary Rackauckas
提交/修订日期： 2024年1月31日提交，2024年2月21日修订 (v2)
主题/分类： 信息检索 (cs.IR); 机器学习 (cs.LG)
摘要：
英飞凌公司（Infineon）发现工程师、客户经理和客户需要快速获取产品信息。传统上，这个问题通过检索增强生成（RAG）聊天机器人来解决。在本研究中，作者评估了新近流行的RAG-Fusion方法。RAG-Fusion通过生成多个查询，使用互逆分数对它们进行重排序，并融合文档和分数，从而将RAG与互逆排序融合（RRF）相结合。通过手动评估答案的准确性、相关性和全面性，作者发现，由于生成的查询能从多个角度对原始查询进行语境化，RAG-Fusion能够提供准确且全面的答案。然而，当生成的查询与原始查询的相关性不足时，一些答案会偏离主题。这项研究标志着人工智能（AI）和自然语言处理（NLP）应用的重要进展，并展示了其在全球和多行业背景下的变革潜力。
其他信息：
* 篇幅： 8页，2张图。
* 期刊： 发表于 International Journal on Natural Language Computing (IJNLC) Vol.13, No.1, February 2024。
* DOI： 10.5121/ijnlc.2024.13103