HistoRAG：基于引文的问答助手，用于扫描当地历史和遗产档案进行教学

准备当地历史和文化遗产课程的教师所使用的材料很难使用。主要来源是没有文本层的扫描书籍，支持记录是以电子表格形式发布的管理目录。一般的聊天机器人可以流利地回答此类问题，但没有可验证的来源，而这是教师最需要的属性。本文介绍了 HistoRAG，这是一种问答助手，它可以从一个区域集合中进行回答，并为每个事实引用一卷书和一页。 HistoRAG 使用视觉语言模型转录每个页面，并根据标记概率保持行级置信度。它从同一集合构建三个存储：混合文本索引、关系目录数据库和仅从实体密集段落中提取的知识图。轻量级路由器将每个问题发送到它需要的存储，以便计数问题到达数据库，关系问题到达图表。我们针对同一地区的 36 卷扫描卷和遗产目录建立了 516 个问题的基准，涵盖统计、事实、时间和多跳问题。 HistoRAG 比段落检索基线和基于图形的检索系统正确回答的问题更多，而且每个问题的成本要低得多。助理在聊天界面后面运行，因此老师可以根据其来源页面检查任何陈述。