TaLenT 用金标准答案信号监督可学习 LLM 图检索器。
资讯摘要
论文提出 TaLenT，一个面向文本图问答（GraphQA）的端到端检索器-生成器框架。作者指出，现有方法存在架构缺口：检索器本身不是可学习的 LLM，且未与生成器统一在检索-生成流程中；同时存在检索监督缺口：检索器很少利用金标准答案信号监督证据选择。TaLenT 用可学习 LLM 检索器选择证据，并以金标准答案信号监督，将节点分为金答案、答案相关节点和无关噪声，采用加权伪标签损失。作者报告在三个 GraphQA 数据集上下游性能持续提升。
要点速读
- 论文提出 TaLenT，将可学习 LLM 检索器与微调 LLM 生成器统一在检索-生成流程中。
- 方法用金标准答案信号监督检索，将节点分层并采用加权伪标签损失，兼顾覆盖与紧凑。
- 作者报告在三个 GraphQA 数据集上下游性能持续提升。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。