我们已将一个生成式 ReRankModel 集成到传统的 RAG 检索框架中。到本周为止，我们发现它在关键基准上的性能提升已步入正轨。

2wiki 基准上的表现

在相同条件下，使用 Llama3.3 作为 QA 的 LLM，与 HippoRag2 相比，我们的方法在 2wikimultihopqa 公共基准上取得了 0.758 的 QA F1 分数，比 HippoRag2 高出 4.8 个百分点，并达到了 SOTA 水平。

HotpotQA 基准上的表现

在 HotpotQA 公共排行榜上，我们的模型取得了 0.7802 的 F1 分数，比 HippoRag2 的 0.755 高出 2.5 个百分点，并达到了 SOTA 水平。