شماره ركورد
15474
عنوان
بهبود عملكرد بازيابي در مدل هاي RAG
سال تحصيل
1403
استاد راهنما
دكتر بهروز مينايي بيدگلي
چکيده
مدلهاي زباني بزرگ تحول شگرفي در پردازش زبان طبيعي ايجاد كردهاند، اما دانش ايستا و تمايل آنها به توليد اطلاعات نادرست، چالشهاي اساسي محسوب ميشوند. چارچوب بازيابي مبتني-بر-توليد با اتصال اين مدلها به پايگاههاي دانش خارجي، به عنوان راهحلي كارآمد براي اين محدوديتها ظهور كرده است. با اين حال، كارايي اين چارچوب به شكلي حياتي به كيفيت مرحله بازيابي اطلاعات وابسته است. فرآيندهاي بازيابي ضعيف ميتوانند منجر به ارائه اطلاعات ناكافي، نويز اطلاعاتي، عدم تطابق با پرسوجوهاي پيچيده و كاهش كارايي در دامنههاي تخصصي شوند.
اين گزارش به بررسي و تحليل جامع تكنيكهاي پيشرفته براي بهينهسازي فرآيند بازيابي ميپردازد. در اين راستا، ابتدا مفاهيم پايه تشريح شده و سپس مروري عميق بر پژوهشهاي پيشين در پنج حوزه كليدي انجام ميشود: بهينهسازي منبع بازيابي، راهبردهاي شاخصگذاري، روشهاي بهينهسازي پرسوجو، تنظيم دقيق مدلهاي جانمايي و استفاده از تطبيقدهنده كارآمد.
اين گزارش ضمن جمعبندي چالشها و مسائل پژوهشي باز، در نهايت يك رويكرد پيشنهادي نوين براي پاياننامه ارائه ميدهد. اين رويكرد بر طراحي يك معماري پيمانهاي و آبشاري مبتني بر مسيريابهاي عصبي سبكوزن تمركز دارد كه هدف آن ايجاد تعادل بهينه ميان دقت، هزينه محاسباتي و سرعت پاسخدهي در سيستمهاي بازيابي مبتني-بر-توليد است.
نام دانشجو
سيدمحمدامين حايري
تاريخ ارائه
11/5/2025 12:00:00 AM
متن كامل
88704
پديد آورنده
سيدمحمدامين حايري
تاريخ ورود اطلاعات
1404/09/15
عنوان به انگليسي
Improving Retrieval Performance in RAG Models
كليدواژه هاي فارسي
بازيابي مبتني-بر-توليد , ﺑﻬﺒﻮدﻋﻤﻠﮑﺮدﺑﺎزﯾﺎﺑﯽ , ﺑﻬﯿﻨﻪ ﺳﺎزي اﯾﻨﺪﮐﺲ ﮔﺬاري , ﺑﻬﯿﻨﻪ ﺳﺎزيﭘﺮس وﺟﻮ , ﻣﺴﯿﺮﯾﺎبﻋﺼﺒﯽ
كليدواژه هاي لاتين
Retrieval-Augmented Generation , Retrieval Performance Improvement , Indexing Optimization , Query Optimization , Neural Router