MPR-CiteG: Enhancing RAG with Multi-Portfolio Retrieval and Citation-Grounded Generation
该论文介绍了 MPR-CiteG，这是一个结合了多组合检索（Multi-Portfolio Retrieval）与引用落地生成（Citation-Grounded Generation）的双组件框架，旨在通过提高检索效率并利用显式来源归因确保事实一致性，从而增强 RAG 系统，减少幻觉，并在 ScienceON AI 挑战赛中获得第二名。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图写一篇关于一个超级复杂话题的学校报告，比如如何制造一个会跳舞的机器人。你拥有一个巨大的图书馆，但书全都乱七八糟地堆在一起，而且有些书是用不同的语言编写的。如果你只是要求一个超级聪明的 AI 根据它自己的记忆来写这份报告，它可能会编造一些听起来很酷、听起来很真实但实际上是错误的事实。这被称为“幻觉”（hallucination），当需要真实、可靠的答案时，这是一个大问题。为了解决这个问题，科学家们使用了一个叫做**检索增强生成（Retrieval-Augmented Generation，简称 RAG）**的小技巧。把 RAG 想象成在 AI 写报告之前，先给它一份包含真实文档的“小抄”。但问题在于，如果 AI 选错了小抄，或者在写报告时没有明确告诉你信息出自哪一页，那么这个答案仍然是没用的。目标是构建一个不仅聪明，而且像一位严谨的研究员一样总是注明出处的 AI。
这正是 MPR-CiteG 框架所做的事情。该项目的研究人员在一次重大的 AI 挑战赛中获得了第二名，他们构建了一个由两部分组成的系统，以确保 AI 的回答既准确又诚实。首先，他们创建了一个多组合检索器（Multi-Portfolio Retriever，简称 MPR）。MPR 不仅仅是针对一个简单的提问向图书馆寻求帮助，它更像是一个由四名策略各异的侦探组成的团队。一位侦探通过扩展问题来寻找相关想法；另一位通过寻找同义词来捕捉表达同一意思的不同方式；第三位在广泛搜索与精准搜索之间取得平衡；第四位则将问题翻译成其他语言，以寻找国际研究成果。他们各自挖掘线索，汇总发现，然后由一位严格的编辑（重排序器）选出最优秀的 50 份文档供使用。
一旦收集到最好的文档，名为**引用锚定生成（Citation-Grounded Generation，简称 CiteG）**的第二部分系统就会接管工作。它是那位拒绝猜测的作者。它阅读前 10 份文档并写出清晰、流畅的答案。但神奇之处在于：对于每一个陈述特定事实的句子，它都会立即附上一个指向确切来源文档的小标签。如果一个句子只是通用的过渡句，则不会带有标签。这样一来，你就可以在阅读答案时瞬间明白：“好吧，这个事实来自来源 A，而那一个来自来源 B。”团队在一个科学问题数据集上测试了这一系统，发现该系统在避免编造事实方面非常有效。他们发现，使用特定类型的 AI 模型（Qwen-2.5-14B）效果最好，并且在检索团队中拥有所有四种“侦探”策略对于获取正确信息至关重要。虽然该系统表现出色，但作者承认，面对需要反复思考过程的极复杂问题时，它有时会感到吃力，这表明未来的版本可能需要更加动态化。最终，MPR-CiteG 向我们展示了如何构建一个不仅会说话，而且真正了解自己在说什么并能证明自己的 AI。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。