-
题名基于混合检索增强的双塔模型研究
被引量：3
- 1
-
-
作者
郜洪奎
马瑞祥
包骐豪
夏少杰
瞿崇晓
-
机构
中国电子科技集团公司第五十二研究所
-
出处
《计算机科学》
北大核心
2025年第6期324-329,共6页
-
文摘
在知识检索的前沿领域,尤其是在大语言模型的应用场景下,研究焦点集中在用纯向量检索技术来高效捕获相关信息,继而将这些信息送入大语言模型进行综合提炼和概括。然而,这种方法的局限性在于,仅依赖向量表示可能无法全面把握检索的复杂性,且缺乏有效的排序机制,常使得无关信息冗余,进而削弱了最终答案与用户实际需求的匹配度。为解决这一难题,提出了基于混合检索增强的双塔模型。此模型创新性地融合了多路径召回策略,通过多样化的召回机制互补,确保检索结果既全面又高度相关。模型架构上,采用双层结构,结合了双向循环神经网络与文本卷积神经网络,使得模型可以对检索结果进行多层次的排序优化,极大地提高了结果的相关性和顶部结果的精确度。更进一步,将经过高效排序的高质量信息与原始查询一同送入大语言模型,充分利用其深层次的分析功能,生成更为精准和可信的答案。实验结果表明,提出的方法有效提升了检索的准确性和系统的整体性能,极大地增强了大语言模型在实际应用中的准确度和实用性。
-
关键词
知识搜索
大语言模型
向量检索技术
混合检索增强的双塔模型
多路径召回策略
-
Keywords
Knowledge search
Large language models
Vector retrieval technology
Hybrid retrieval-augmented dual-tower model
Multi-path recall strategy
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
