یکی از چالشهای بزرگ در سیستمهای هوش مصنوعیِ بازیابیمحور (RAG)، مدیریت اطلاعات متناقض یا نویزدار در اسناد بازیابی شده است. محققان به تازگی روشی به نام «Dual-Confidence Contrastive Decoding» یا DCCD را معرفی کردهاند که بدون نیاز به آموزش مجدد، به مدل کمک میکند تا با ترکیب دقتِ سطحِ سند و سطحِ توکن، اطلاعات صحیح را از میان دادههای گیجکننده تشخیص دهد.
این روش نه تنها پاسخهای دقیقتری ارائه میدهد، بلکه در سناریوهای پیچیده تحقیق و تحلیل، عملکرد بسیار بهتری نسبت به روشهای سنتی دارد. خبر خوبی برای توسعهدهندگانی که با دقتِ پاسخدهیِ RAGها درگیر هستند! 🚀
منبع: arXiv NLP
