Papers13:17
Chinese contentCLADE 论文:RAG 检索到粗粒度证据时,模型会过度猜测而非拒答做 RAG 或知识问答的工程师值得看看这篇。它揭示了一个容易被忽视的坑:检索到的段落粒度偏粗时,模型不会拒答而是瞎猜,错误率约一半。简单加置信度过滤或换更大的模型都没用,论文给出了结合领域本体缓解此问题的路径,以及仍未解决的关键环节。
做 RAG 或知识问答的工程师值得看看这篇。它揭示了一个容易被忽视的坑:检索到的段落粒度偏粗时,模型不会拒答而是瞎猜,错误率约一半。简单加置信度过滤或换更大的模型都没用,论文给出了结合领域本体缓解此问题的路径,以及仍未解决的关键环节。
上海站巡展的实操分享,把本体、知识库到 Data Agent 的搭建流程整个串了一遍,做智能体落地的可以直接抄作业。
EvoOntology solves the critical challenge of semantic drift in data agents by creating a versioned, evolvable knowledge layer that accumulates evidence from real workloads. For developers working with heterogeneous data systems, this approach provides a practical method to maintain semantic accuracy without constant manual intervention or context window limitations.
这篇论文把空调故障诊断的知识结构做成了能查的本体,以后跨系统做FDD就不用各搞各的了。