上下文增强相关 AI 资讯 · AITOP · AI热报

8月27日

10:20

10:20

官方账号arXiv cs.AI@Zongyu Wu, Yilong Wang, Xiaochen Wang, Minhua Lin, Zhichao Xu, Fenglong Ma, Xiang Zhang, Suhang Wang

多模态知识图谱（MMKG）在GraphRAG中被用作知识库，以增强其性能。然而，现有方法在融合不同模态时，文本上下文的使用有限。本文提出了一种新的框架，即上下文增强的多模态知识图谱（CEMMKG），通过在局部和全局范围内为每个图像提供互补的文本上下文来解决这个问题。实验验证了CEMMKG在利用上下文信息提高基于MMKG的RAG性能方面的有效性。

论文多模态知识图谱 RAG 上下文增强

推荐理由：这篇论文提出了一个创新的框架，通过增强上下文信息来提高多模态知识图谱RAG的性能，对于想要了解如何提升多模态知识图谱应用效果的人来说是个好资源。

09:24

09:24

官方一手arXiv: DeepSeek@Dung Le Quang, Dong Cao Van, Nam Le Hai, Linh Ngo Van, Anh M. T. Bui, Phuong T. Nguyen

XREPOTEST是一个针对大型语言模型的多语言仓库级单元测试生成基准测试，涵盖Rust、Go、Julia、PHP和Ruby五种语言。它使用容器化执行框架和多种上下文增强策略，包括文件级、基于LSP和基于检索的上下文。实验结果表明，独立测试和仓库级测试之间存在显著差距，并揭示了更丰富的上下文和测试可靠性之间的权衡。

论文 XREPOTEST 单元测试生成大型语言模型

推荐理由：XREPOTEST提供了针对大型语言模型单元测试生成的挑战性基准，揭示了不同模型在不同上下文下的表现差异，值得研究。

6月12日

13:55

13:55

官方账号arXiv cs.AI@Xinxin Li, Huiyao Chen, Meishan Zhang, Yunxin Li, Zulong Chen, Zhibo Ren, Xiaoqing Dong Baotian Hu, Min Zhang

传统ASR纠错仅关注孤立语句或短上下文，但在长文本与语音交错的对话中，需要对话级上下文证据。现有方法依赖当前假设或拼接原始对话历史，难以在冗余噪声中定位稀疏纠错证据。本文提出本体记忆增强的ASR纠错框架，将交互历史组织为动态更新的本体记忆，存储实体、术语、表面变体、潜在ASR混淆及语义关系作为可检索节点。基于MAGIC-RAMC构建的RAMC-Corr数据集实验显示，该方法在10个配对骨干设置组合中9个优于直接纠错，促进更选择性、基于证据的上下文相关ASR错误纠正。

论文 ASR纠错本体记忆长对话

推荐理由：做语音识别或对话系统的团队，这个框架解决了长对话中ASR纠错缺乏上下文的问题，直接提升纠错准确率，值得在长交互场景中尝试。