Veranstaltungsort:
SR1
Lehrbeauftragter:
Abdelrahman Abdallah @ DS research group
Zusammenfassung:
Jüngste Fortschritte im Information Retrieval haben die Art und Weise revolutioniert, wie Systeme wissensbasierte Antworten abrufen, einordnen und generieren. In diesem Vortrag werden drei aktuelle Forschungsbeiträge vorgestellt, die sich mit den wichtigsten Herausforderungen bei Retrieval-Augmented Generation (RAG) und Re-Ranking-Techniken befassen. Zunächst stellen wir ASRank vor, einen Zero-Shot-Re-Ranking-Ansatz, der den Antwortduft nutzt - eine neuartige Methode, die das Ranking verbessert, indem sie die abgerufenen Passagen mit den erwarteten Antwortmustern abgleicht und so die Abrufgenauigkeit erheblich verbessert. Als Nächstes stellen wir DynRank vor, ein dynamisches Zero-Shot Prompting Framework, das Fragen in feinkörnige Typen klassifiziert, um kontextuell relevante Prompts zu generieren und so den Abruf von Passagen für die Beantwortung von Fragen in offenen Bereichen zu optimieren. Schließlich stellen wir Rankify (https://github.com/DataScienceUIBK/Rankify) vor, ein umfassendes Python-Toolkit, das Retrieval, Re-Ranking und RAG in einem modularen Rahmen vereint und es Forschern ermöglicht, mit verschiedenen Ranking-Modellen in einer standardisierten Umgebung zu experimentieren. Durch eine eingehende Analyse dieser Ansätze beleuchten wir die sich entwickelnde Landschaft des Information Retrieval und ihre Auswirkungen auf moderne Such- und KI-gesteuerte Fragebeantwortungssysteme.