arXiv · cs.AI· Xiaotian Qiu, Kairui Liu, Shi Chenyi, Jinyuan Deng, Qi Sun, Cheng Zhuo·· 1 天前
功能感知检索增强生成提升 EDA 文档问答效果
From Chunks to Functional Evidence: Function-Aware Retrieval for EDA Documentation QA
arXiv:2610.09361v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiaotian Qiu, Kairui Liu, Shi Chenyi, Jinyuan Deng, Qi Sun, Cheng Zhuo
首次提交：2026-10-07 11:16
研究任务与主要进展
研究提出面向 EDA 文档问答的功能感知 RAG 方法，将分散且紧密耦合的文档材料组织为带源文本块链接的功能单元，并与直接块检索和统一重排序结合。基于论文摘要，该方法在 EDADocEval-QA 上将 ROUGE-L 较 Chunk RAG 和最强图基线分别提升 37.1% 和 55.6%，在 ORD-MMBench 上较最强基线提升 30.0%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org