面向检索增强生成的来源感知重排序：一种可靠性先验方法

标准的检索增强生成（RAG）流水线仅按语义相似度对检索到的文档排序，而不考虑来源出处或可信度。本工作评估了对 RAG 检索排序的一种简单且可解释的改进，将领域知识驱动的来源可靠性先验纳入其中。每篇文档根据其来源类型被赋予一个先验 λ(s)，检索分数通过 score(q, d) = sim(q, d) * λ(s) 进行重加权。该框架在一个120篇文档的健康领域语料库上与仅基于相似度的基线进行对比评估。在这一受控设置中，来源感知重排序将 Precision@5 从 0.48 提升至 0.72，并在所评估的威胁模型（即低可信度来源可通过元数据识别）下减少了对抗性文档的平均检索。所有实验均在密尔沃基工程学院（Milwaukee School of Engineering）的 Rosie 高性能计算集群上执行，该集群提供了可靠且可复现地运行完整实验流水线所需的 GPU 加速基础设施。这些结果表明，在所述实验设置的限度内，来源感知重排序有望成为缓解 RAG 流水线中来源质量退化的一种潜在策略。