IBM 的 STAIR 用书籍目录做检索索引，82.6% 命中、幻觉率仅 0.05%
alex_verem · x · 2026-09-26
IBM Research 的 STAIR（STructure Aware Information Retriever）论文提出：与其把长文档切成等长 chunk 做向量检索，不如直接利用文档自带的全局结构（如目录）作为索引，让模型学会用章节标题直接回答问题，从而跳过 embedding 和向量数据库。
团队构建了覆盖法律、医学、金融、教育、科学等领域的 18 本书、数万问题的基准 SearchTome。STAIR 的 Recall@1 达 82.6%，最佳对比方法 76.9%，稠密检索 68.7%，关键词检索 59.5%，开箱 Mistral 仅 13.8%。指向不存在章节的幻觉率为 0.05%，最接近的对比方法是 3.25%。
限制也需要注意：需要文档有目录；团队对每本书单独微调一个 7B 模型、每本跑 200 个 epoch；尚未在企业级文档集合上验证。论文未测试基于该章节生成的答案本身是否正确。
所属事件:IBM 提出 STAIR 检索法：用文档目录索引替代向量 RAG(3 条相关)→
「研究」频道最新
- Claude 无监督跑数天,粒子物理散射振幅计算首破九圈纪录 — AnthropicAI · 2026-09-26
- 「grep 就够了」与「BM25 就够了」两篇论文先后中稿 — lintool · 2026-09-26
- Greenblatt 发文警告:潜空间推理架构将大幅推高对齐风险 — anmarasovic · 2026-09-26
- Huszár 团队发 TLA+ 实战教程：形式化验证非银弹，正用 AI 补齐 — fhuszar · 2026-09-26
- 双层优化利用无标注数据,破解分子性质预测 OOD 泛化难题 — CatAstro_Piyush · 2026-09-26
- 用 Blender 造 1 万+样本,世界模型首次系统性训练客体永久性 — _akhaliq · 2026-09-26