arXiv · cs.AI · Dipto Sumit, Syeda Fabiayee Jahan, Farig Sadeque · 11 小时前模型评分47
跨章节问答数据集 CrossChapterQA 与无图 检索增强生成（RAG，Retrieval-Augmented Generation） 系统 LadderRAG 发布
Reading Between the Chapters: A Graph-Free RAG Rebuilt With AI and Human Feedback
导读
研究者构建了 CrossChapterQA，包含 14 本公版书上的 1,853 个跨章节问题，每题标注所需 2 至 6 个章节及关联关系。基于该数据集设计的 LadderRAG 以约 0.41 美元索引一本书、单题回答成本不足一美分，经四次重构后在其初版答错的 191 题上把所需章节召回率从 0.36 提升到 0.79。十名标注者对其回答的平均评分为 6.5/10（共 764 次评分）。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：ai-tooling，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce CrossChapterQA, 1,853 such questions over 14 public-domain books.”
- “which indexes a book as passages, summaries and book-level cards for about $0.41 and answers a question for under a cent”
来源：arXiv · cs.AI · arxiv.org