Fugu-MT 論文翻訳(概要): Fine-tune the Entire RAG Architecture (including DPR retriever) for Question-Answering

論文の概要: Fine-tune the Entire RAG Architecture (including DPR retriever) for Question-Answering

arxiv url: http://arxiv.org/abs/2106.11517v1
Date: Tue, 22 Jun 2021 03:17:59 GMT
ステータス: 処理完了
システム内更新日: 2021-06-24 01:11:17.100635
Title: Fine-tune the Entire RAG Architecture (including DPR retriever) for Question-Answering
Title（参考訳）: 質問応答のためのRAGアーキテクチャ(DPRレトリバーを含む)の微調整
Authors: Shamane Siriwardhana, Rivindu Weerasekera, Elliott Wen, Suranga Nanayakkara
Abstract要約: エンドツーエンドでRAG(Retrieval Augment Generation)アーキテクチャ全体を微調整する方法を示す。また、問合せ処理において、エンドツーエンドのRAGアーキテクチャが元のRAGアーキテクチャより優れているかを比較する。
参考スコア（独自算出の注目度）: 9.554087820961911
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In this paper, we illustrate how to fine-tune the entire Retrieval Augment Generation (RAG) architecture in an end-to-end manner. We highlighted the main engineering challenges that needed to be addressed to achieve this objective. We also compare how end-to-end RAG architecture outperforms the original RAG architecture for the task of question answering. We have open-sourced our implementation in the HuggingFace Transformers library.
Abstract（参考訳）: 本稿では,レトリーバル拡張生成(RAG)アーキテクチャ全体をエンドツーエンドで微調整する方法を説明する。私たちは、この目的を達成するために対処する必要がある主なエンジニアリング上の課題を強調しました。また、問合せ処理において、エンドツーエンドのRAGアーキテクチャが元のRAGアーキテクチャより優れているかを比較する。我々はHuggingFace Transformersライブラリで実装をオープンソース化しました。

関連論文リスト

RAG-Gym: Optimizing Reasoning and Search Agents with Process Supervision [43.50113345998687]
RAG-Gymは、情報検索エージェントを、各検索ステップにおけるきめ細かいプロセス管理によって強化する統合最適化フレームワークである。また、RAG-Gymフレームワーク内での応答推論と検索クエリ生成を相乗化する新しいエージェントアーキテクチャであるReSearchを提案する。
論文参考訳（メタデータ） (2025-02-19T18:56:03Z)
QuIM-RAG: Advancing Retrieval-Augmented Generation with Inverted Question Matching for Enhanced QA Performance [1.433758865948252]
本研究では,RAG(Retrieval-Augmented Generation)システム構築のための新しいアーキテクチャを提案する。 RAGアーキテクチャは、ターゲット文書から応答を生成するために構築される。本稿では,本システムにおける検索機構の新しいアプローチQuIM-RAGを紹介する。
論文参考訳（メタデータ） (2025-01-06T01:07:59Z)
Retrieval-Augmented Generation with Graphs (GraphRAG) [84.29507404866257]
Retrieval-augmented Generation (RAG) は、追加情報を取得することによって下流タスクの実行を向上させる強力な技術である。グラフは、その固有の「エッジで接続されたノード」の性質により、巨大な異種情報と関係情報を符号化する。従来のRAGとは異なり、多種多様な形式とドメイン固有の関係知識のようなグラフ構造化データのユニークさは、異なるドメインでGraphRAGを設計する際、ユニークで重要な課題を生じさせる。
論文参考訳（メタデータ） (2024-12-31T06:59:35Z)
Toward General Instruction-Following Alignment for Retrieval-Augmented Generation [63.611024451010316]
Retrieval-Augmented Generation (RAG) システムの効果的な適用には、自然な指示に従うことが不可欠である。 RAGシステムにおける命令追従アライメントのための,最初の自動化,拡張性,検証可能な合成パイプラインであるVIF-RAGを提案する。
論文参考訳（メタデータ） (2024-10-12T16:30:51Z)
Enhancing Retrieval in QA Systems with Derived Feature Association [0.0]
Retrieval augmented generation (RAG) は、長い文脈質問応答(QA)システムにおいて標準となっている。我々は、AI派生文書(RAIDD)からレトリーバル(Retrieval)と呼ばれるRAGシステムへの新たな拡張を提案する。
論文参考訳（メタデータ） (2024-10-02T05:24:49Z)
RaFe: Ranking Feedback Improves Query Rewriting for RAG [83.24385658573198]
アノテーションを使わずにクエリ書き換えモデルをトレーニングするためのフレームワークを提案する。公開されているリランカを活用することで、フィードバックはリライトの目的とよく一致します。
論文参考訳（メタデータ） (2024-05-23T11:00:19Z)
REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering [115.72130322143275]
REAR(Relevance-Aware Retrieval-augmented approach for open-domain Question answering, QA) 我々は,特殊な設計のアセスメントモジュールを組み込むことで,LLMベースのRAGシステムのための新しいアーキテクチャを開発する。オープンドメインの4つのQAタスクの実験では、REARは以前の競争力のあるRAGアプローチよりも大幅に優れていた。
論文参考訳（メタデータ） (2024-02-27T13:22:51Z)
Improving the Domain Adaptation of Retrieval Augmented Generation (RAG) Models for Open Domain Question Answering [9.404960572390852]
Retrieval Augment Generation (RAG) はオープンドメイン質問回答(ODQA)の最近の進歩である RAGは、ウィキペディアベースの外部知識ベースでのみ訓練され、調査されている。ドメイン固有の知識ベースに適応可能なRAGの拡張である textitRAG-end2end を提案する。
論文参考訳（メタデータ） (2022-10-06T01:21:25Z)
UIGR: Unified Interactive Garment Retrieval [105.56179829647142]
対話型衣服検索(IGR)は、基準衣服画像に基づいて対象衣服画像を検索することを目的としている。テキスト誘導衣料検索(TGR)と視覚互換衣料検索(VCR)の2つのタスクが広く研究されている。本稿では,TGRとVCRを統合するためのUIGR(Unified Interactive Garment Retrieval)フレームワークを提案する。
論文参考訳（メタデータ） (2022-04-06T21:54:14Z)
DARTS-ASR: Differentiable Architecture Search for Multilingual Speech Recognition and Adaptation [64.44349061520671]
本稿では,DARTS-ASRを用いたアーキテクチャ探索手法を提案する。 DARTS-ASRの一般化可能性を検討するために,本手法を多くの言語に応用し,単言語ASRを実行するだけでなく,多言語ASR設定にも適用する。
論文参考訳（メタデータ） (2020-05-13T11:32:27Z)
Residual Attention Net for Superior Cross-Domain Time Sequence Modeling [0.0]
本稿では新しいアーキテクチャのコンセプト実証として機能し、RANはモデルにシーケンスパターンのより高レベルな理解を提供することを目的としている。その結果,35の最先端結果が得られたが,10の結果が現在の最先端結果と一致し,さらなるモデル微調整は行われなかった。
論文参考訳（メタデータ） (2020-01-13T06:14:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。