热点事件持续更新
研究团队提出多跳问答框架DeFT-RAG
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月30日，相关研究在arXiv发布，提出面向多跳问答的检索增强生成（RAG）框架DeFT-RAG。该框架通过增量生成自包含子问题、外置状态跟踪，并引入QA缓存复用机制，实现对多跳问题的增量分解与答案复用。评测结果显示，在MuSiQue、2WikiMultiHopQA和HotpotQA基准数据集上，DeFT-RAG搭配gpt-4o-mini和Qwen3.6模型，在13种基线方法中取得了最高准确率，且输入token消耗最少。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 12:00
研究团队发布多跳问答框架DeFT-RAG，在多项基准测试中取得最高准确率且token消耗最少。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 自然语言处理DeFT-RAG：将多跳问题增量分解为答案可复用的自包含子问题
DeFT-RAG 提出一种多跳问答 RAG 框架，通过增量生成自包含子问题、外置状态跟踪并引入 QA 缓存复用机制。在 MuSiQue、2WikiMultiHopQA 与 HotpotQA 上，配合 gpt-4o-mini 和 Qwen3.6 在 13 种基线中取得最高准确率，且输入 token 消耗最少。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。