SAG2: recuperación multisalto sin embeddings, con SQLite y BM25
Útil para
SAG2 es una arquitectura de recuperación de información que no usa embeddings y se basa en una sola base de datos SQLite, BM25 y decisiones de evidencia contextual con JEV. En subconjuntos de 1.000 preguntas de MuSiQue, 2WikiMultiHopQA y HotpotQA logra el mejor Recall@10 entre los métodos comparados, con un 86,62%, 97,43% y 99,00%. Indexar los 11.656 pasajes de MuSiQue tarda 2,36 segundos, ocupa 25,87 MiB y no requiere llamadas a modelos.
Qué significa
Un equipo que monte un buscador de documentos para responder preguntas podría evitar generar embeddings y mantener servidores de base de datos dedicados. La preparación de los datos pasa a ser mucho más ligera y barata.
Cómo te afecta
- Programadores
Antes de montar un vector store para tu buscador, prueba SQLite con BM25: según el resumen, indexar 11.656 pasajes tarda 2,36 segundos, ocupa 25,87 MiB y no llama a ningún modelo. Las cifras de recall son de subconjuntos de 1.000 preguntas, así que mídelas con tus datos.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.CLLeer la noticia completa en arXiv cs.CL