Hi-Q：面向多跳问答的层次化证据引导查询细化
Hi-Q是一种面向多跳问答的证据条件化层次化查询细化框架。系统首先判断检索到的证据是否支持当前查询单元；如果无法解决，则通过保持依赖关系的算子进一步展开，并验证语义覆盖范围。由此生成的查询树，其结构由语料库中的支持信号决定，而不是由固定的分解模板或预先构建的图决定。在三个采用全语料库检索的基准测试中，Hi-Q平均取得52.3 EM和64.0 F1，分别比IRCoT高15.1 EM和18.2 F1。在MuSiQue-full上，Hi-Q也超过了PropRAG，同时无需构建覆盖整个语料库的图。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。