Retrieval Augmented Generation - 2021年02月

发布时间：2021-02-21

作者：Yijiang Lian, Yubo Liu, Zhicong Ye, Liang Yuan, Yanfeng Zhu, Min Zhao, Jianyi Cheng, Xinwei Feng

中文摘要：

在赞助搜索中，检索与精确匹配类型同义的关键词对于精确定位广告至关重要。为了解决这个问题，已经提出了基于数据驱动的深度学习方法。这种方法的一个明显缺点是它在实体级别的长尾实例上的泛化性能较差，尽管这些实例可能与频繁实例共享类似的概念级别模式。借助大型知识库，我们发现大多数商业同义词查询-关键词对可以通过概念标记抽象成有意义的概念模式。基于这一事实，我们提出了一种新颖的知识驱动概念检索框架来缓解这个问题，该框架包括三个部分：数据概念化、通过概念模式匹配和概念增强区分。离线和在线实验都表明，我们的方法非常有效。该框架已成功应用于百度的赞助搜索系统，显著提高了收入。

一句话总结：

该研究提出了一种基于知识库的概念检索框架，有效提升了赞助搜索中同义词关键词的检索效果，从而显著提高了广告收入。

Efficient Retrieval Augmented Generation from Unstructured Knowledge for Task-Oriented Dialog

发布时间：2021-02-09

作者：David Thulke, Nico Daheim, Christian Dugast, Hermann Ney

中文摘要：

本文总结了我们在第九届对话系统技术挑战赛（DSTC 9）第一赛道“超越领域API：基于非结构化知识访问的任务导向对话建模”上的工作。该任务的目标是在需要从非结构化文档中获取知识的任务导向对话中生成对用户轮次的响应。任务被分为三个子任务：检测、选择和生成。为了提高计算效率，我们将选择问题表述为分层分类步骤。我们使用此模型取得了最佳结果。作为替代，我们采用了称为密集知识检索的Siamese序列嵌入模型，以检索相关文档。这种方法在R@1方面相较于第一个模型下降了5-6%，但计算时间减少了超过100倍。然后，对于这两种方法，我们使用检索增强生成来基于多个选定的片段生成响应，并展示了如何使用该方法微调训练的嵌入。

一句话总结：

本文提出了一种基于非结构化知识访问的任务导向对话建模方法，通过分层分类和密集知识检索技术，实现了高效的对话生成和嵌入微调。

A Collaborative Visual SLAM Framework for Service Robots

发布时间：2021-02-05

作者：Ming Ouyang, Xuesong Shi, Yujie Wang, Yuxin Tian, Yingzhe Shen, Dawei Wang, Peng Wang, Zhiqiang Cao

中文摘要：

本文提出了一种针对服务机器人的协作视觉同时定位与建图（SLAM）框架。该框架通过边缘服务器维护地图数据库并执行全局优化，使得每个机器人可以通过统一的接口注册到现有地图、更新地图或构建新地图，同时具有低计算和内存成本。我们设计了一种优雅的通信管道，以实现机器人之间的实时信息共享。服务器上采用新颖的地标组织和检索方法，每个机器人可以获取预测将在其视野中的地标，以增强其局部地图。该框架足够通用，可以支持RGB-D和单目相机，以及具有多个相机的机器人，同时考虑了相机之间的刚性约束。所提出的框架已完全实现并通过公开数据集和现场实验进行了验证。

一句话总结：

本文提出了一种适用于服务机器人的高效协作视觉SLAM框架，通过边缘服务器和实时信息共享，实现低成本的地图注册、更新和构建。