Advancing Retrieval-Augmented Large Language Models via Query Generation Blending

本文是LLM系列文章，针对《BlendFilter: Advancing Retrieval-Augmented Large Language Models via Query Generation Blending and Knowledge Filtering》的翻译。

摘要

检索增强的大型语言模型（LLM）在提高知识密集型场景的性能方面提供了巨大的好处。然而，这些方法经常面临复杂输入的挑战，并且由于噪声知识检索而遇到困难，特别是阻碍了模型的有效性。为了解决这个问题，我们引入了BlendFilter，这是一种通过将查询生成混合与知识过滤相结合来提升检索增强LLM的新方法。BlendFilter通过其查询生成方法提出了混合过程，该方法将外部和内部知识增加与原始查询相结合，确保全面的信息收集。此外，我们独特的知识过滤模块利用了LLM的内在功能，有效地消除了无关数据。我们在三个开放领域问答基准上进行了广泛的实验，结果清楚地表明，我们创新的BlendFilter显著超过了最先进的基线。

1 引言

2 相关工作

3 方法

4 实验

5 结论

在本文中，我们介绍了BlendFilter&#