Tessera以免训练证据层修复RAG上下文丢失
热点事件持续更新
Tessera以免训练证据层修复RAG上下文丢失
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Tessera研究团队提出免训练的RAG证据投递层，将检索结果对应的HTML重建为细粒度证据单元，补齐页面标题、段落路径和表头，再按查询筛选后送入reader上下文，以减少分块造成的表格标题与结构化上下文丢失。该方案无需改动索引、检索器或reader，token预算保持不变。 Tessera研究团队称，该方法可用于文本、截图及agentic管线，并在三个问答基准上均提升答案准确率。
AI 根据报道生成 · 2 小时前更新
最新进展10月29日 00:16
Tessera 通过免训练证据投递层修复 RAG，保留表格标题与上下文报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- AGI HuntTessera 通过免训练证据投递层修复 RAG，保留表格标题与上下文
Tessera 将检索结果背后的 HTML 重建为细粒度证据单元，补齐页面标题、段落路径和表头，再按查询打包进 reader 上下文，解决分块割裂结构化内容的问题。该方案无需改动索引、检索器或 reader，token 预算保持不变，并适用于文本、截图与 agentic 管线，在三个 QA 基准上均提升答案准确率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。