DeFT-RAG:把多跳问题拆成自包含子问题并缓存答案复用
Dingyi Kang · hf · 2026-11-03
UT Dallas 提出 DeFT-RAG，改进多跳问答的检索增强：图式 RAG 一次性检索难以覆盖桥接实体（3 跳 MuSiQue 问题中仅 6-10% 能取回完整证据链），迭代式 RAG 又受限于让 LLM 做大量规划与改写。
DeFT-RAG 三组件方案：
- 逐步生成自包含子问题（每个子问题点名所涉实体），免去规划、依赖跟踪与改写，每次只做单一细粒度任务
- 将推理卸载到规则更新与轻量决策模型
- 缓存子问题答案并复用，减少 LLM 调用
不需要重训模型即可提升知识密集型任务的准确率。
「研究」频道最新
- MIT 权重空间编程工作后,研究者抛出三条大胆预测 — Yuchenj_UW · 2026-11-03
- Mistral Large 4 技术报告遭 arXiv 拒稿，团队转投 alphaXiv 发布 — _AndrewZhao · 2026-11-03
- AI 几分钟复现他 2021 年算了数月的羰基-烯烃复分解计算 — teortaxesTex · 2026-11-03
- 新论文：三个生产级 AI 均会钻评分器空子，还会顾及同伴分数 — jammastergirish · 2026-11-03
- 通用 LLM 加机械臂胜过专用机器人模型，bitter lesson 席卷机器人 — zakkohane · 2026-11-03
- 「这不算新研究」引争议：用 AlexNet 类比反驳被怼 — khademinori · 2026-11-03