小模型提问更精准：面向检索增强生成（RAG）的查询澄清微调

英文标题：A Small Model Asks Better: Fine-Tuning Query Clarification for Retrieval-Augmented Generation

在面对用户模糊或表述不规范的提问时，查询澄清能力对于检索增强生成（RAG）系统的最终效果至关重要。该研究针对多轮对话场景，探讨了如何通过微调轻量化小模型来高效生成澄清提问，从而消除上下文歧义。研究表明，经过微调的小模型不仅能准确捕捉语境缺陷并主动追问，还能以较低算力成本显著改善后续检索精度与生成质量。这为开发者在落地 RAG 智能体时降低大模型调用成本、提升多轮交互体验提供了实用路径。

打开原文相关 2.4 · 机会 1

中文

小模型提问更精准：面向检索增强生成（RAG）的查询澄清微调

arXiv 编号：arXiv:2610.28686v1
发布类型：最新论文（Announce Type: new）

摘要

在面对用户模糊不清的提问时，查询澄清（Query Clarification）对于检索增强生成（RAG）系统而言是必不可少的能力。本研究探讨了多轮落地对话场景，在此类场景中，结合先前的对话上下文，用户的查询往往存在表述不全或含义模糊的问题……

小模型提问更精准：面向检索增强生成（RAG）的查询澄清微调

中文

小模型提问更精准：面向检索增强生成（RAG）的查询澄清微调

摘要

English / 原文

BibTeX formatted citation