今天分享一篇被ICONIP 2026接收、来自墨尔本理工学院的论文GRASP。一句话方案学生把n道题的答案混写成一段无标记文字系统用图增强检索GRAG从参考库里捞回全部黄金参考、匈牙利算法一对一配对后逐段打分——零训练数据n3时黄金参考捞回率62.5% vs 扁平RAG的25.6%两倍多。优化点判分研究20年的隐含假设一篇作文对一道题。可真实考试有一道大题随机拼n个1-4同领域子主题的形态——学生一段连续文字作答没有编号、没有标题、没有任何标记说哪句答哪题答案顺序还可能和提问不一致。检索被刻意加难n个主题从同一知识簇里抽金参考两两余弦≥0.42向量挤成一团扁平RAG捞回来的是同一个参考的n个近似复制不是n个不同参考。现有方法不对症AES系统假设一题一答对单一参考RAG判分系统SteLLA等从扁平索引取证据不建模参考之间的关系多相关节点要同时找齐时精度崩塌。核心思路三步拆解先猜出n混合检测再把作文切段然后检索时不靠纯余弦——沿相似图的强边把簇里的邻居一个个捞回来最后用匈牙利算法保证每个段落配上一个不同的参考谁也不许撞车。整个流水线不微调、不用领域样例作文。Phase A离线建库只跑一次。从SciEntsBank数据集只保留correct2分和partially_correct_incomplete1分标签过滤含图题和空文本建79个参考节点(q, a, q⊕a)覆盖物理/化学/生物/地球科学。SBERTall-MiniLM-L6-v2把参考答案编码进FAISS索引——注意这是跨模态检索设计查询是改写的考试题索引里只有参考答案冻结嵌入要硬跨问答语义鸿沟。节点间余弦≥0.42建边、≥0.70定为强边。每题用GPT-4.1-mini改写一次缓存每节点一次LLM调用。合成作文时按最小边权优先从图里选clique团——还原真实试卷同域出题的设计每个n档160篇、共640篇无标记作文。Phase B每篇作文五步。①混合主题检测作文句数和题干句数一致→直接返回n不调LLM多数作文对得上省掉调用不一致→LLMtemperature 0带句数提示仲裁一次prompt专门防连续几句展开同一主题的过检测失败模式——90.8%检测准确。②句子优先分段先按句子边界切段数≠n才调LLM兜底作文段和题干段并行获得。③等预算检索两种方法候选数都是kn2多给2个余量让配对步骤挪腾候选集大小一样下游差异全归因检索质量。RAG纯余弦取top-kGRAG取FAISS top-3做种子沿强边一跳扩展组合打分score0.8·余弦0.2·最大边权。④匈牙利分配每个题干段独立编码建代价矩阵匈牙利算法一对一映射到不同参考节点——这是多个相似候选不许重复的最优全局解谁也不许撞车。⑤逐段打分GPT-4.1-mini给每对学生段 参考打2分对或1分部分对总分∈[n,2n]temperature 0.7重复11次算均值和95%置信区间。另设TRUE Oracle上界直接给金参考金分段跳过检测/分段/检索单独量LLM判分器的天花板。实验结果检索全胜金参考全中率N-Hitn1 88.8% vs 80.0%n2 71.2% vs 55.0%n3 62.5% vs 25.6%2.4倍n4 59.4% vs 38.1%——簇越挤图越有用。判分与错检QWK在n1-3胜0.52/0.29/0.23 vs 0.46/0.26/0.15错检率分配参考不在金集10.5-15.8% vs RAG的17.7-30.1%。n4双双崩盘GRAG 0.02Oracle也只0.50——判分器天花板本身从0.64掉到0.50检索/分配误差把表现拉得远低于天花板作者明说是开放问题。音高簇案例最毒4个参考答案全说音高变高、只有因拉紧vs变短在题干里学生抄个效果句就在错参考上拿满分——错检的杀伤力取决于错参考和真参考多像。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 炸裂，ICONIP也来一篇GraphRAG
今天分享一篇被ICONIP 2026接收、来自墨尔本理工学院的论文GRASP。一句话方案学生把n道题的答案混写成一段无标记文字系统用图增强检索GRAG从参考库里捞回全部黄金参考、匈牙利算法一对一配对后逐段打分——零训练数据n3时黄金参考捞回率62.5% vs 扁平RAG的25.6%两倍多。优化点判分研究20年的隐含假设一篇作文对一道题。可真实考试有一道大题随机拼n个1-4同领域子主题的形态——学生一段连续文字作答没有编号、没有标题、没有任何标记说哪句答哪题答案顺序还可能和提问不一致。检索被刻意加难n个主题从同一知识簇里抽金参考两两余弦≥0.42向量挤成一团扁平RAG捞回来的是同一个参考的n个近似复制不是n个不同参考。现有方法不对症AES系统假设一题一答对单一参考RAG判分系统SteLLA等从扁平索引取证据不建模参考之间的关系多相关节点要同时找齐时精度崩塌。核心思路三步拆解先猜出n混合检测再把作文切段然后检索时不靠纯余弦——沿相似图的强边把簇里的邻居一个个捞回来最后用匈牙利算法保证每个段落配上一个不同的参考谁也不许撞车。整个流水线不微调、不用领域样例作文。Phase A离线建库只跑一次。从SciEntsBank数据集只保留correct2分和partially_correct_incomplete1分标签过滤含图题和空文本建79个参考节点(q, a, q⊕a)覆盖物理/化学/生物/地球科学。SBERTall-MiniLM-L6-v2把参考答案编码进FAISS索引——注意这是跨模态检索设计查询是改写的考试题索引里只有参考答案冻结嵌入要硬跨问答语义鸿沟。节点间余弦≥0.42建边、≥0.70定为强边。每题用GPT-4.1-mini改写一次缓存每节点一次LLM调用。合成作文时按最小边权优先从图里选clique团——还原真实试卷同域出题的设计每个n档160篇、共640篇无标记作文。Phase B每篇作文五步。①混合主题检测作文句数和题干句数一致→直接返回n不调LLM多数作文对得上省掉调用不一致→LLMtemperature 0带句数提示仲裁一次prompt专门防连续几句展开同一主题的过检测失败模式——90.8%检测准确。②句子优先分段先按句子边界切段数≠n才调LLM兜底作文段和题干段并行获得。③等预算检索两种方法候选数都是kn2多给2个余量让配对步骤挪腾候选集大小一样下游差异全归因检索质量。RAG纯余弦取top-kGRAG取FAISS top-3做种子沿强边一跳扩展组合打分score0.8·余弦0.2·最大边权。④匈牙利分配每个题干段独立编码建代价矩阵匈牙利算法一对一映射到不同参考节点——这是多个相似候选不许重复的最优全局解谁也不许撞车。⑤逐段打分GPT-4.1-mini给每对学生段 参考打2分对或1分部分对总分∈[n,2n]temperature 0.7重复11次算均值和95%置信区间。另设TRUE Oracle上界直接给金参考金分段跳过检测/分段/检索单独量LLM判分器的天花板。实验结果检索全胜金参考全中率N-Hitn1 88.8% vs 80.0%n2 71.2% vs 55.0%n3 62.5% vs 25.6%2.4倍n4 59.4% vs 38.1%——簇越挤图越有用。判分与错检QWK在n1-3胜0.52/0.29/0.23 vs 0.46/0.26/0.15错检率分配参考不在金集10.5-15.8% vs RAG的17.7-30.1%。n4双双崩盘GRAG 0.02Oracle也只0.50——判分器天花板本身从0.64掉到0.50检索/分配误差把表现拉得远低于天花板作者明说是开放问题。音高簇案例最毒4个参考答案全说音高变高、只有因拉紧vs变短在题干里学生抄个效果句就在错参考上拿满分——错检的杀伤力取决于错参考和真参考多像。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
