Qwen Goes Brrr：用于乌克兰多域文档理解的现成 RAG

我们参加了关于多领域文档理解的第五次 UNLP 共享任务，其中系统必须回答来自 PDF 集合的乌克兰语多项选择题，并对支持文档和页面进行本地化。我们提出了一个围绕三个想法构建的检索增强管道：PDF 的上下文分块、基于问题和答案选项的问题感知密集检索和重新排序，以及从一小组重新排序的段落生成约束答案。我们的最终系统使用 Qwen3-Embedding-8B 进行检索，使用经过微调的 Qwen3-Reranker-8B 进行段落排名，使用 Qwen3-32B 进行答案选择。在保留的分割中，重新排名将 Recall@1 从 0.6957 提高到 0.7935，而使用前 2 个重新排名的段落将答案准确性从 0.9348 提高到 0.9674。我们的最佳排行榜在公共排行榜上达到了 0.9452，在私人排行榜上达到了 0.9598。我们的结果表明，在严格的代码竞争约束下，保留文档结构并使相关性估计了解答案空间比添加复杂的下游启发式方法更有效。