论文
HybridRAG-BN：针对 Bangla KBQA 进行微调验证的检索增强框架
HybridRAG-BN: A Retrieval-Augmented Framework with Fine-Tuned Verification for Bangla KBQA
摘要
知识库问答（KBQA）系统依靠有效的检索和推理机制从外部知识源生成准确的答案。然而，由于以检索为重点的研究有限、语言资源稀缺以及将生成的响应扎根于外部知识的困难，为孟加拉语等低资源语言开发可靠的 KBQA 系统仍然具有挑战性。在这项工作中，我们提出了 HybridRAG-BN，这是一种用于 Bangla KBQA 的检索增强框架，它集成了使用 BM25 和 BGE-M3 的混合检索、使用 GGUF 版本的 Gemma-4-31B-Instruct 生成答案，以及用于答案验证和细化的 LoRA 微调 Gemma-4-31B-Instruct 模型。为了进一步提高稳健性，该框架纳入了后处理阶段，通过后备答案替换和 DuckDuckGo 辅助检索来解决未解决的案例。实验结果证明了该框架的有效性，词元级 F1 在公共和私人排行榜上分别获得了 0.71654 和 0.72912 的分数，获得了比赛的第一名。