Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.00353

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2501.00353 (cs)
[提交于 2024年12月31日 ]

标题: RAG-Instruct:通过多样化检索增强指令提升大型语言模型

标题: RAG-Instruct: Boosting LLMs with Diverse Retrieval-Augmented Instructions

Authors:Wanlong Liu, Junying Chen, Ke Ji, Li Zhou, Wenyu Chen, Benyou Wang
摘要: 检索增强生成(RAG)已成为一种关键范式,通过结合外部知识来增强大型语言模型(LLMs)。 然而,当前的RAG方法面临两个限制:(1)它们仅涵盖有限的RAG场景。(2)由于缺乏通用的RAG数据集,任务多样性受到限制。 为了解决这些限制,我们提出了RAG-Instruct,这是一种基于任何源语料库合成多样且高质量RAG指令数据的通用方法。 我们的方法利用了(1)五种RAG范式,涵盖了多样化的查询-文档关系,以及(2)指令模拟,通过利用现有指令数据集的优势来增强指令的多样性和质量。 使用这种方法,我们从维基百科构建了一个40K指令数据集,全面覆盖了多样的RAG场景和任务。 实验表明,RAG-Instruct有效增强了LLMs的RAG能力,在零样本性能方面表现强劲,并在多种任务中显著优于各种RAG基线。 RAG-Instruct可在https://github.com/FreedomIntelligence/RAG-Instruct公开获取。
摘要: Retrieval-Augmented Generation (RAG) has emerged as a key paradigm for enhancing large language models (LLMs) by incorporating external knowledge. However, current RAG methods face two limitations: (1) they only cover limited RAG scenarios. (2) They suffer from limited task diversity due to the lack of a general RAG dataset. To address these limitations, we propose RAG-Instruct, a general method for synthesizing diverse and high-quality RAG instruction data based on any source corpus. Our approach leverages (1) five RAG paradigms, which encompass diverse query-document relationships, and (2) instruction simulation, which enhances instruction diversity and quality by utilizing the strengths of existing instruction datasets. Using this method, we construct a 40K instruction dataset from Wikipedia, comprehensively covering diverse RAG scenarios and tasks. Experiments demonstrate that RAG-Instruct effectively enhances LLMs' RAG capabilities, achieving strong zero-shot performance and significantly outperforming various RAG baselines across a diverse set of tasks. RAG-Instruct is publicly available at https://github.com/FreedomIntelligence/RAG-Instruct.
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2501.00353 [cs.CL]
  (或者 arXiv:2501.00353v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.00353
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Junying Chen [查看电子邮件]
[v1] 星期二, 2024 年 12 月 31 日 09:00:51 UTC (5,206 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号