Retrieval-augmented generation for an automated response system
Abstract
Las tareas de gestión como la coordinación de un programa de máster comúnmente conllevan responder a un gran volumen de consultas, muchas de ellas hoy en día en formato electrónico, recurrentes a lo largo de los años, y a menudo contestables con recursos públicamente disponibles o respuestas institucionales a consultas similares formuladas en el pasado. Mientras que este entorno hace que un sistema de respuesta ayudado por modelo de lenguaje sea ideal para su automatización, en la práctica surgen múltiples retos, incluyendo la fragmentación de la información necesaria para su respuesta entre varios recursos, variados niveles de ruido y multilingüismo, obsolescencia, y la falta de un mapa conocido entre consultas y los fragmentos de información que ayudan a su resolución, lo que complica la evaluación de dichos sistemas y la separación entre un pobre rendimiento de recuperación y una limitada cobertura de los datos. Esta tesis de máster explora la creación de un sistema de respuesta automática de correos para el MUIA, construyendo un corpus de recursos web y respuestas institucionales a preguntas (anonimizadas) previamente planteadas a la coordinación del máster, para servir como base para la respuesta de nuevas preguntas por medio de generación aumentada por recuperación (RAG, por sus siglas en inglés). El sistema muestra la importancia de la fuente y variante de los datos, el tipo de consulta, el conjunto de encoders, la estrategia de fusión y el uso de reranking sobre el…
Read the paper
Related studies
- Knowledge Management Perspective of Generative Artificial Intelligence
- Navigating Generative Artificial Intelligence Promises and Perils for Knowledge and Creative Work
- Characterizing the evolving research on enterprise content management
- Large language models and multimodal foundation models for precision oncology
- From Generative AI to Extended Reality: Multidisciplinary Perspectives on the Challenges, Opportunities, and Future of Educational Computing
- Generative Artificial Intelligence: A New Engine for Advancing Environmental Science and Engineering
Go deeper in Evidence Hub
Evidence Hub adds a study data sheet (design, sample size, evidence level, key numbers), an AI summary and a chat grounded in the paper's text.