标准检索增强生成 (RAG) 通常无法解决复杂的多跳问题，因为它依赖于静态“锁和密钥”查询匹配。
如果回答查询所需的信息在语义上与原始文本相距甚远，标准矢量搜索根本找不到它。
我们开发了诱导拟合检索（IFR），这是一种动态图遍历方法，它在每一步都会改变查询向量，以发现语义上遥远但逻辑上相关的信息。
我们通过严格的测试套件运行我们的原型，该测试套件包含跨多个图形大小（最多 520 万个原子）的 30 个查询。
与竞争性 RAG 重新排名基线相比，nDCG@10 高出 14。
该系统的灵感来自 Daniel Koshland 1958 年的“诱导配合”模型。
来源：Dev.to
