DTCRS：递归摘要的动态树构建

检索增强生成（RAG）通过结合外部知识减轻了 大语言模型（LLM）的幻觉问题。递归摘要通过对文本块进行聚类、集成来自文档多个部分的信息来构建层次摘要树，为涉及多步骤推理的抽象问题提供证据。然而，摘要树通常包含大量冗余摘要节点，这不仅增加了构建时间，还可能对问答产生负面影响。而且，递归总结并不适合所有类型的问题。我们引入了 DTCRS，一种基于文档结构和查询语义动态生成摘要树的方法。 DTCRS 通过分析问题类型来确定是否需要摘要树。然后分解问题并使用子问题的嵌入作为初始聚类中心，减少冗余摘要，同时提高摘要与问题之间的相关性。我们的方法显着减少了摘要树的构建时间，并在三个 QA 任务中实现了实质性改进。此外，我们研究了递归摘要对不同问题类型的适用性，为未来的研究提供了有价值的见解。