Seleksi Bukti Dioptimalkan dengan QUBO untuk Jawaban Pertanyaan Berbasis Retrieval dengan Solver Tidak Konvensional

Para peneliti merumuskan seleksi bukti dalam jawaban pertanyaan berbasis retrieval sebagai masalah Optimisasi Binari Tanpa Batas Kuadratik (QUBO) untuk mengatasi keterbatasan peringkat top-k dan selektor berbasis LLM yang mahal.

Metode ini membangun fungsi energi yang menyeimbangkan relevansi, cakupan persyaratan, kekuatan dukungan, redundansi, komplementaritas, dan kompakness. Metode ini dievaluasi pada HotpotQA terhadap baseline termasuk BM25, relevansi marginal maksimal, dan berbagai selektor himpunan berbasis LLM. Selektor QUBO mencapai performa exact-match dan token-F1 yang kompetitif sambil memungkinkan pemilihan konteks ditangani oleh solver yang kompatibel dengan Ising/QUBO.

Pendekatan ini membuka jalan menuju pipeline RAG di mana LLM dialokasikan untuk pemrosesan semantik dan generasi jawaban, sementara seleksi bukti kombinatorial dialihkan ke perangkat keras khusus.