作者： Zackary Rackauckas
提交日期： 2024年1月31日
主题分类： 信息检索 (cs.IR); 机器学习 (cs.LG)
摘要：
英飞凌（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通过结合RAG和互惠排序融合（RRF）技术，生成多个查询，使用互惠分数对它们进行重排序，并融合文档和分数。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为原始查询提供上下文，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，部分答案会偏离主题。这项研究标志着人工智能（AI）和自然语言处理（NLP）应用取得了显著进展，并在全球和多行业背景下展示了变革。
其他信息：
* 论文共8页，包含2张图表。
* 本文为v1版本，最新版本为v2（发布于2024年2月21日）。