利用目录结构增强检索的STAIR系统
原文标题：STAIR (STructure Aware Information Retriever): A novel dataset and LLM based retriever for document structure augmentation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
提出STAIR检索系统，利用目录等全局结构信息提升生成式信息检索的准确性，减少幻觉。在SearchTome基准上Recall@1达82.6%，优于DSI、BM25等基线，并发布18本书的基准数据集。
- 问题
- RAG按长度切块丢失语料全局结构，导致检索不准和幻觉。
- 方法
- 让LLM利用目录等全局结构做生成式检索，微调DSI并做消融验证ToC的作用。
- 结果
- SearchTome上Recall@1达82.6%，优于DSI(76.9%)、BM25(59.5%)、DPR(68.7%)、Mistral(13.8%)，幻觉率低于0.05%。
- 影响
- 为长文档检索提供结构化索引思路，并给出可复现基准，适合文档问答类产品。
深读 · 结论先行AI 生成展开看要点与影响 ↓
STAIR用目录结构做检索，SearchTome上Recall@1达82.6%，超DSI的76.9%。
- •现有检索按长度切块，丢弃语料中的目录等全局语义结构
- •基于微调DSI的消融显示目录可构建幻觉率低于0.05%的生成式检索
- •SearchTome上Recall@1为82.6%，DSI为76.9%，差异具统计显著性
- •对比基线：BM25为59.5%、DPR为68.7%、开箱Mistral仅13.8%
- •发布SearchTome基准，含6个领域18本书，面向少样本场景
为什么重要：长文档RAG的切块策略长期是瓶颈，这条提示目录等结构信号可低成本换取精度与低幻觉。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。