免训练语义树做长文档检索：QA-F1 提升 1.72 分、上下文缩短 58.55%
_reachsumit · x · 2026-10-28
arXiv 论文提出免训练框架，重新思考长上下文时代的检索：全文已能塞进上下文时，选择和组织证据仍能提升问答质量。
- 方法：一次生成即从全文构建可复用的语义层级，节点描述链接到原文片段；查询时用结构-语义打分与细粒度词法归因选出共享源节点，取其与祖先上下文的并集，保留结构关系和完整局部文本
- 结果：在四个前沿回答模型上、三个 LongBench 任务上，平均 QA-F1 比 full-context prompting 提升 1.72 分，超过所评测基线，同时答案上下文长度减少 58.55%
- 代码已开源
「研究」频道最新
- Anthropic 自建药物发现管线：Claude 主导罕见病新药研发 — ZeroStateReflex · 2026-10-28
- Anthropic 携手 BigHat Bio：智能体直控湿实验室加速抗体工程 — anshulkundaje · 2026-10-28
- 研究者争论：AI 生成文本与人类文本差异尚无技术不可解证据 — _akpiper · 2026-10-28
- 粗粒化模拟可跨尺度放大，回应全原子生物体模拟不可行之说 — TimothyDuignan · 2026-10-28
- Agent harness 要被模型「吃掉」了?蒸馏实验显示通用脚手架正被训练进模型 — rseroter · 2026-10-28
- 「抽象神经元当嵌入」在词相似度上胜过全部 SOTA,句子检索惨败 — mayfer · 2026-10-28