HybridRAG-BN：一种用于孟加拉语KBQA的检索增强框架与微调验证

arXiv cs.CL 论文
retrieval-augmented kbqa bangla low-resource fine-tuning hybrid-retrieval gemma

摘要

本文提出了HybridRAG-BN，一种用于孟加拉语知识库问答的检索增强框架，该框架结合了混合检索、基于Gemma的生成以及LoRA微调的验证，以F1分数0.71654和0.72912获得第一名。

arXiv:2608.13004v1 公告类型：新 摘要：知识库问答（KBQA）系统依赖有效的检索和推理机制，从外部知识源生成准确答案。然而，对于孟加拉语等低资源语言，由于检索相关研究有限、语言资源稀缺，以及将生成响应锚定到外部知识的困难，开发可靠的KBQA系统仍然具有挑战性。在这项工作中，我们提出了HybridRAG-BN，一种用于孟加拉语KBQA的检索增强框架，该框架集成了使用BM25和BGE-M3的混合检索、使用GGUF版本的Gemma-4-31B-Instruct进行答案生成，以及一个LoRA微调的Gemma-4-31B-Instruct模型用于答案验证和细化。为了进一步提高鲁棒性，该框架还包含一个后处理阶段，通过回退答案替换和DuckDuckGo辅助检索来解决未处理的情况。实验结果表明了所提框架的有效性，在公共和私有排行榜上分别取得了0.71654和0.72912的token级F1分数，在比赛中获得第一名。
查看原文
查看缓存全文

缓存时间: 2026/08/14 09:28 

# HybridRAG-BN：具备微调验证能力的孟加拉语KBQA检索增强框架
来源：https://arxiv.org/abs/2608.13004
查看 PDF (https://arxiv.org/pdf/2608.13004)

> 摘要：知识库问答（KBQA）系统依赖有效的检索和推理机制，从外部知识源生成准确答案。然而，对于孟加拉语等低资源语言，开发可靠的KBQA系统仍然充满挑战，原因在于面向检索的研究有限、语言资源稀缺，以及难以将生成的回答与外部知识进行有效关联（grounding）。在这项工作中，我们提出了HybridRAG-BN，一个面向孟加拉语KBQA的检索增强框架，该框架整合了基于BM25和BGE-M3的混合检索、使用GGUF版Gemma-4-31B-Instruct进行答案生成，以及经过LoRA微调的Gemma-4-31B-Instruct模型用于答案验证与精炼。为进一步提升鲁棒性，该框架包含一个后处理阶段，通过回退答案替换和DuckDuckGo辅助检索来处理未解决的案例。实验结果表明，所提出框架是有效的，在公共排行榜和私有排行榜上分别取得了0.71654和0.72912的token级F1分数，最终在比赛中获得第一名。

## 提交历史

来自：Nirjhar Das [查看电子邮件 (https://arxiv.org/show-email/c2c0315a/2608.13004)] **[v1]** 2026年8月13日星期四 09:24:48 UTC（534 KB）

相似文章

当检索无济于事：一项大规模生物医学 RAG 研究

arXiv cs.CL

这项大规模研究涵盖 5 个模型（7B–72B）、10 个生物医学问答数据集、4 种检索方法和 4 个语料库，发现在生物医学问答任务中，RAG 相比无检索基线仅带来微小且不稳定的提升（1–2 个百分点）。研究得出结论：主要瓶颈并非检索质量，而是模型有效利用检索证据的能力有限。

MM-BizRAG：重新思考面向通用企业问答的多模态检索增强生成

arXiv cs.CL

MM-BizRAG 是一个面向企业问答的多模态检索增强生成系统，通过文档结构感知分割和版式感知解析，在异构企业文档上的表现比以视觉为中心的基线方法最高提升 32%。该论文还提出了 FastRAGEval——一种基于 LLM 的高效评估指标，其与人类判断的对齐程度优于 RAGChecker，且成本更低。