arXiv 自然语言处理· Shubham Kumar Singh·· 1 天前AI 评分37
印度政府监管文件 RAG 中解析器、分块策略与嵌入模型的交互作用研究
Parser, Chunking, and Embedding Interactions in Retrieval-Augmented Generation over Indian Government Regulatory Documents
AI 导读
一项针对印度政府监管文件 RAG 的析因研究评估了 3 种解析器、3 种分块策略、5 种稠密嵌入及 BM25 共 54 种检索配置（涵盖 800 个问答）。结果显示没有单一检索器能全面占优，解析器与分块交互显著，且 MPNet-base 在表格问题上严重失效。语料证据保留率超 98% 表明差异主因是排序质量而非摄取损失；评测框架与基准已开源。
来源：arXiv 自然语言处理 · arxiv.org