通过生成的上下文知识融合弥合 RAG 中的语义差距

检索增强生成已成为自然语言处理的基本框架，将信息检索与大语言模型的生成能力无缝集成。然而，这个过程从根本上受到一个关键挑战的限制：查询和检索到的上下文之间的语义空间不匹配。我们提出了知识感知语义桥接（KASB），这是一种新颖的框架，通过智能知识融合，通过查询和检索文档之间的语义空间对齐来提高段落选择质量。我们的方法通过多阶段过程利用生成知识和基于检索的知识的互补优势，提高相关性和准确性。我们在三个流行的开放域问答数据集上评估 KASB，以证明我们方法的有效性。