arXiv · cs.AI· Fazle Mohammed Tasfiq, Sabab Attin, Sheikh Md. Tahmid Hossain, Raiat Reza, Tanzim Ahmmed, Nafis Chowdhury, Anika Ahmed, Moinul Haque, Farig Yousuf Sadeque·· 6 小时前
RAG 模型在问答任务上的性能分析：以南亚多语言文化问题为切入点
Analyzing performance of Retrieval Augmented Generation models for Question Answering Tasks
arXiv:2610.20419v1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：Fazle Mohammed Tasfiq, Sabab Attin, Sheikh Md. Tahmid Hossain, Raiat Reza, Tanzim Ahmmed, Nafis Chowdhury, Anika Ahmed, Moinul Haque, Farig Yousuf Sadeque
研究任务与主要进展
一项研究分析了检索增强生成（RAG）模型在开放域问答任务中的性能表现，聚焦南亚多语言文化场景。研究考察集成 RAG 后模型对文化性与非文化性问题的性能差异，并比较 RAG 与有上下文、无上下文回答的正确率，以及 RAG 对不同热门程度文化问题的收益。该工作旨在提炼高性能因素，指导优化混合 RAG 系统与更准确的问答流水线设计。
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