AI.x社区

1.引言1.1RAG的局限与迭代检索的提出在知识密集型任务中，大语言模型（LLMs）的检索增强生成（RAG）虽应用广泛，能提升输出质量、减少幻觉，但仍存缺陷。比如，检索内容常含噪声，这会致使RAG系统性能下滑。复杂查询时，单次检索难以获取充足知识，进而阻碍RAG系统的广泛应用。为攻克这些难题，迭代检索应运而生，其持续更新检索结果，以契合生成进程里动态变化的信息需求。可现有的迭代检索方法多依赖少样本提示或手动构建规则...

1.研究背景1.1背景随着GPT4等大语言模型在数据管理领域的广泛应用，如文本到SQL的生成和信息提取任务，向模型准确描述关系数据库的schema成为解决问题的关键步骤。但由于LLM提供商通常按输入（和输出）文本的令牌数量收费，数据库schema描述的长度直接关系到成本。例如，在文本到SQL的生成场景中，较长的schema描述会增加输入令牌数量，进而提高每次转换的成本。常见的描述schema的方法如使用DDL命令，虽能准确表达模式，但往往...