ИССЛЕДОВАНИЕ · RESEARCH · #2486
Набор данных ClariEdge и лёгкий LoRA улучшают уточнение запросов в RAG
Статья (arXiv:2610.28686v1) представляет ClariEdge — набор данных примерно из 3,900 примеров неоднозначных и не-неоднозначных диалоговых запросов для RAG. Лёгкая доработка через LoRA достигает 96.6% точности в классификации и превосходит промптированные большие модели по обнаружению неоднозначности и качеству вопросов для уточнения; набор данных опубликован на Hugging Face (ibm-research/ClariEdge).
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Статья (arXiv:2610.28686v1) представляет ClariEdge — набор данных примерно из 3,900 примеров неоднозначных и не-неоднозначных диалоговых запросов для RAG.
- Лёгкая доработка через LoRA достигает 96.6% точности в классификации и превосходит промптированные большие модели по обнаружению неоднозначности и качеству вопросов для уточнения; набор данных опубликован на Hugging Face (ibm-research/ClariEdge).
- Небольшой LoRA, который надёжно обнаруживает и формулирует уточняющие вопросы, можно использовать до и после этапа поиска в RAG, чтобы уменьшить неоднозначность запросов и повысить качество ответов.
ПОЧЕМУ ЭТО ВАЖНО
Небольшой LoRA, который надёжно обнаруживает и формулирует уточняющие вопросы, можно использовать до и после этапа поиска в RAG, чтобы уменьшить неоднозначность запросов и повысить качество ответов.