RAG-RST：检索示例免训练提升RST解析F1
热点事件持续更新
RAG-RST：检索示例免训练提升RST解析F1
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Mohammadreza Sediqin 与 Shlomo Engelson Argamon 在 arXiv 提出 RAG-RST，一种检索增强的修辞结构理论（RST）解析框架：将检索到的修辞结构示例作为上下文话语模式提供给大模型，不更新任何参数。基于论文摘要，该方法将给定目标 EDU 对的 nuclearity F1 从基线 0.794 提升至 0.846，relation F1 从 0.738 提升至 0.788，并在 span、nuclearity、relation 和完整树指标上优于现有 RST 解析器，其中动态检索配置表现最强。
AI 根据报道生成 · 5 小时前更新
最新进展10月16日 12:00
RAG-RST：用检索示例作为上下文话语模式解析修辞结构理论报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIRAG-RST：用检索示例作为上下文话语模式解析修辞结构理论
研究者提出RAG-RST，将检索到的修辞结构示例作为上下文话语模式，无需训练参数，使目标EDU对的nuclearity F1从0.794提升至0.846、relation F1从0.738提升至0.788。基于论文摘要，该方法在span、nuclearity、relation和完整树指标上优于现有RST解析器，动态检索配置最强；示例数量超过五十后效果趋于饱和并下降，且受结构位置影响。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月16日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。