摘要

本文介绍了QUASAR系统，该系统用于处理非结构化文本、结构化表格和知识图谱上的问题回答，并对所有数据源进行了统一处理。QUASAR系统采用了基于RAG（Retrieval-Augmented Generation）的架构，包括证据检索和答案生成两个阶段，其中答案生成部分由一个中等规模的语言模型驱动。此外，QUASAR还具有独特的组件，用于问题理解，以提取更精确的输入供证据检索使用；以及在将最相关的信息片段输入到答案生成模块之前，对检索到的证据进行重新排序和过滤。通过三个不同基准测试的实验表明，我们的方法在回答质量上与大型GPT模型相当甚至更优，同时计算成本和能耗要低几个数量级。