長文QA向けエンティティ構造インデックス付RAG

ニュース概要

長文の質問応答（QA）において、関連情報が複数のエンティティやそれらの関係にまたがる問題に取り組む新たな手法「EnSI-RAG」が提案されました。従来の検索拡張生成（RAG）では、文書を分割した際の「チャンク境界」が証拠を分断したり、複数の推論ステップが必要な場合に精度が低下するという課題がありました。 EnSI-RAGは、エンティティを中心とした、クエリに依存しないインデックスを構築します。このインデックスは、エンティティ名、その種類、意味的なカテゴリ、そして値といった情報を記録し、元の文書への参照も保持します。質問が与えられた際には、大規模言語モデル（LLM）がこのインデックスから関連性の高いパッセージを検索・統合し、最終的な回答を生成する仕組みです。このアプローチにより、長文QAにおける精度向上が期待されます。 引用元: arXiv cs.CL