RAPTOR: Recursieve Abstractieve Verwerking voor Boomgestructureerd Ophalen

RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

January 31, 2024

Auteurs: Parth Sarthi, Salman Abdullah, Aditi Tuli, Shubh Khanna, Anna Goldie, Christopher D. Manning

cs.AI

Samenvatting

Taalmodellen versterkt met informatieopslag kunnen zich beter aanpassen aan veranderingen in de wereldtoestand en kennis uit de lange staart integreren. De meeste bestaande methoden halen echter alleen korte, aaneengesloten fragmenten op uit een opslagcorpus, wat een holistisch begrip van de algemene documentcontext beperkt. Wij introduceren de nieuwe aanpak van het recursief embedden, clusteren en samenvatten van tekstfragmenten, waarbij een boom wordt geconstrueerd met verschillende niveaus van samenvatting van onderaf. Tijdens inferentie haalt ons RAPTOR-model informatie op uit deze boom, waarbij informatie uit uitgebreide documenten op verschillende abstractieniveaus wordt geïntegreerd. Gecontroleerde experimenten tonen aan dat opslag met recursieve samenvattingen aanzienlijke verbeteringen biedt ten opzichte van traditionele taalmodellen versterkt met informatieopslag bij verschillende taken. Bij vraag-antwoordtaken die complexe, meerstaps redeneringen vereisen, laten we state-of-the-art resultaten zien; bijvoorbeeld, door RAPTOR-opslag te combineren met het gebruik van GPT-4, kunnen we de beste prestaties op de QuALITY-benchmark met 20% in absolute nauwkeurigheid verbeteren.

English

Retrieval-augmented language models can better adapt to changes in world state and incorporate long-tail knowledge. However, most existing methods retrieve only short contiguous chunks from a retrieval corpus, limiting holistic understanding of the overall document context. We introduce the novel approach of recursively embedding, clustering, and summarizing chunks of text, constructing a tree with differing levels of summarization from the bottom up. At inference time, our RAPTOR model retrieves from this tree, integrating information across lengthy documents at different levels of abstraction. Controlled experiments show that retrieval with recursive summaries offers significant improvements over traditional retrieval-augmented LMs on several tasks. On question-answering tasks that involve complex, multi-step reasoning, we show state-of-the-art results; for example, by coupling RAPTOR retrieval with the use of GPT-4, we can improve the best performance on the QuALITY benchmark by 20% in absolute accuracy.