GuidedRAG：检索增强生成的语义引导

在这项工作中，我们提出了 GuidedRAG，这是对传统检索增强生成（RAG）的一种新颖扩展，它在检索过程中引入了专用的选择阶段和语义引导。与当前最先进的 RAG 方法（依赖于日益复杂的检索和知识结构）相比，GuidedRAG 在检索之前使用语义来约束知识库，使检索空间与用户意图保持一致，同时大幅减少搜索空间。我们的评估表明，GuidedRAG 将检索相关性提高了 14.0-15.8%，减轻了检索精度 19.7-27.4% 的损失，并将检索开销降低了几个数量级。此外，相关块在排名过程中始终能够更早地检索到，同时与用户意图的一致性提高了 31.8-36.8%。我们进一步表明，GuidedRAG 实现了 15 种不同 RAG 变体的完全覆盖，证明了文献中的普遍性。总之，这些发现将语义引导和选择确立为一种强大且可推广的范例，用于改进 RAG 的当前最新技术。