摘要
在大型语言模型（LLMs）的时代，检索增强生成（RAG）架构因能够将语言生成基于可靠的知识来源而受到广泛关注。尽管这些架构非常有效，但仅依赖于语义相似性的RAG系统在专业领域往往无法保证事实的准确性，因为在这些领域中术语的歧义可能会影响检索的相关性。本研究提出了实体链接增强型RAG（ELERAG）——一种改进的RAG架构，它通过整合来自实体链接的事实信号来提高意大利语教育问答系统的准确性。该系统包含一个基于Wikidata的实体链接模块，并实现了一种基于互惠排名融合（RRF）的混合重排序策略。为了验证我们的方法，我们将其与标准基线和最先进的方法进行了比较，包括加权评分重排序、独立的全局编码器（Cross-Encoder）以及结合RRF和Cross-编码器的流程。实验在两个基准数据集上进行：一个自定义的学术数据集和标准的SQuAD-it数据集。结果显示，在特定领域的情境下，ELERAG的性能显著优于基线和Cross-Encoder配置。相反，在通用领域数据集上，Cross-Encoder方法取得了最佳效果。这些发现强有力地证明了领域不匹配的影响，强调了适应特定领域的混合策略的重要性，从而在不需要依赖在多样化数据分布上训练的计算成本高昂的模型的情况下，提高教育RAG系统的事实精确度。这些结果还展示了具备实体意识的RAG系统在教育环境中的潜力，有助于开发出适应性强且可靠的基于AI的辅导工具。
