论文
Bridge-RAG：一种基于抽象桥树的检索增强生成算法
Bridge-RAG: An Abstract Bridge Tree Based Retrieval Augmented Generation Algorithm
摘要
作为提高大语言模型（LLM）生成质量的重要范例，检索增强生成（RAG）面临着检索精度和计算效率两个挑战。本文提出了一种称为 Bridge-RAG 的新型 RAG 框架。为了克服准确性挑战，我们引入了抽象的概念来桥接查询实体和文档块，从而提供强大的语义理解。我们将摘要组织成树形结构，并设计多级检索策略以确保包含足够的上下文信息。虽然这种分层组织大大提高了答案质量，但遍历树来定位包含查询实体的摘要不可避免地会带来额外的检索开销。为了恢复检索效率，我们进一步将 Cuckoo Filter 集成到 CFT-RAG 中，它提供 O(1) 实体查找，自然地适合我们框架的实体到抽象路径。大量实验表明，与结构化 RAG 基线相比，Bridge-RAG 在所有指标上均实现了一致的准确性改进，并且检索速度提高了 1.9 倍。