RCER 迭代 RAG 重建跨证据关系，多跳 QA 平均提升约 3 点 F1
_reachsumit · x · 2026-10-15
arXiv 论文（2610.19398）提出 RCER，一种面向复杂问题的迭代检索增强生成方法，核心是直接从累积的检索段落中重建跨证据关系：
- 跨轮关系证据获取：识别实体对应与推理依赖，驱动动态问题分解与迭代检索。
- 推理上下文重建：通过联合选择互补段落与推导跨证据推论，独立构建连贯的推理上下文。
- 跨证据组合推理：利用推论建立实体对应、组合跨段落关系以推导答案。
在三个多跳 QA 基准上平均超越最佳基线 2.83 EM 和 3.06 F1，在叙事与隐式推理任务上也表现更优。
「研究」频道最新
- 腾讯 ARC 发布 Player-1：用合成游戏经验做 agent 后训练 — _akhaliq · 2026-10-15
- 自称花 2000 美元让 AI 攻克图论最长路径难题,未经验证 — Regular_Post9884 · 2026-10-15
- Kornia 团队开源 Rust 版 SLAM：支持单目/立体/IMU 建图 — edgarriba · 2026-10-15
- TRL AsyncGRPO 上线 Tree Packing,同等奖励省 26 倍训练算力 — SergioPaniego · 2026-10-15
- ProbabilityBench：用精确真值概率评测 16 个模型的不确定性校准 — ishidalab · 2026-10-15
- Vela：用样条连续轨迹表示改造 VLA 模型，跨本体泛化操作 — Yifan Li · 2026-10-15