本文提出了一种三阶段文件 QA 方法，包括从 PDF 中提取文本，从提取的文本中检索证据以形成良好的上下文，以及从上下文中提取 3 种类型的知识（抽取式、生成式或布尔式）。通过对 QASPER 的评估，DRC 系统在交付更优的上下文选择的同时，Answer-F1 达到了 +7.19 的提高。结果表明，DRC 在科学文献 QA 中有很大的亮点。

Oct, 2022

本文提出了 DIRAS（Domain-specific Information Retrieval Annotation with Scalability）方法，通过细调开源 LLMs 来使用校准的相关性概率注释相关标签，实现了 GPT-4 级别的模型性能，对于实际的 RAG 开发具有帮助。

Jun, 2024

本文探讨了基于预训练语言模型的致密检索方法，并提供了在低资源情境下实现致密检索的主流技术概览，根据技术需要的资源将其分为文档、文档和问题，以及文档和问题答案对三个类别，并对每个技术的算法、开放问题和优缺点进行了介绍和总结，最后提出了未来研究的方向。

Aug, 2022

大型语言模型（LLM）是否能根据直接查询和间接查询在文档或报告中生成参考文献是智能分析、网络安全、新闻机构和教育人员至关重要的问题。本研究通过调查大型语言模型在生成参考文献任务中的表现，引入名为 REASONS 的大型数据集，以科学研究领域的 12 个最热门领域的摘要为基础，得出相关结论，并提供有关自动引文生成任务可靠性的有价值的见解。

May, 2024

使用先进的语言模型与搜索与检索系统进行整合的综合分析，目的是通过精确度和效率方面的性能评估和比较不同的最先进方法。该研究探索了包括 Azure Cognitive Search Retriever 与 GPT-4、Pinecone 的 Canopy 框架、Langchain 与 Pinecone 和不同语言模型（OpenAI、Cohere）、LlamaIndex 与 Weaviate Vector Store 的混合搜索、Google Cloud VertxAI-Search 上的 RAG 实现、Amazon SageMaker 的 RAG 以及一种名为 KG-FID 检索的新方法在内的不同技术组合。研究报告的动机源于各个领域对鲁棒且反应迅速的问答系统的不断增长需求。使用 RobustQA 指标评估了这些系统在各种问题改写下的性能。该报告旨在洞察每种方法的优点与缺点，为部署和开发基于人工智能的搜索与检索系统提供决策依据。

May, 2024

我们提出了一种结构感知的检索增强语言模型，通过在预训练模型中检索并融合具有结构关系的科学文档，来改善检索到的内容的相关性、准确性和连贯性。

Nov, 2023

本研究通过关键字检索对多种大型语言模型进行评估，发现这些模型在科学文档推理任务中会使用编造的证据来支持预测，利用科学语料库进行预训练无法减轻证据捏造的风险。

Nov, 2023

本研究采用知识综合、段落检索、三元组检索和复杂问答等方法，构建一个可扩展的解决方案，以有效地从大规模研究文档中提取和探索复杂信息，以解决医疗保健行业面临的大量非结构化数据的问题，并在 COVID-19 数据集上进行了定性评估以证明其有效性。

Feb, 2023

我们提出了一种迭代检索 - 生成的协作框架，该框架可以利用参数化和非参数化知识，帮助找到正确的推理路径，并显著提高大型语言模型的推理能力。实验结果显示我们的方法优于之前的基线模型，在单跳和多跳问答任务上取得了显著的改进。

Oct, 2023

利用 PubMed 作为可靠的医学研究文档集合，针对开放领域的问答设置，研究通过修改检索设置来提高问答系统性能的方法。结果显示，减少检索到的文档数量，偏爱近期和被引用次数较多的文献可以提高最终的宏观 F1 得分达到 10%。

Apr, 2024