计算机科学 > 机器学习
[提交于 2025年6月3日
(v1)
,最后修订 2025年6月4日 (此版本, v2)]
标题: 检索增强生成作为噪声上下文学习:一个统一的理论和风险界
标题: Retrieval-Augmented Generation as Noisy In-Context Learning: A Unified Theory and Risk Bounds
摘要: 基于检索的生成(RAG)近年来通过辅助大型语言模型(LLM)获取外部知识取得了许多经验上的成功。然而,其理论方面仍未得到充分探索。本文首次提出了针对上下文线性回归中的RAG的有限样本广义界,并推导出精确的偏差-方差权衡。我们的框架将检索到的文本视为与查询相关的噪声上下文示例,并将经典的上下文学习(ICL)和标准RAG作为极限情况恢复。我们的分析表明,与ICL相比,RAG存在一个内在的泛化误差上限。此外,通过引入均匀和非均匀RAG噪声,我们的框架能够建模从训练数据和外部语料库中进行检索。与我们的理论一致,我们通过在常见问答基准(如Natural Questions和TriviaQA)上的实验,实证展示了ICL和RAG的样本效率。
当前浏览上下文:
cs.LG
文献和引用工具
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
推荐器和搜索工具
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.