📖 AI 总结

该研究针对印度中央政府监管文件构建检索增强生成（RAG）流程，系统考察了解析器、分块策略与嵌入模型三者之间的交互影响。作者采用受控因子实验设计，组合3种解析器、3种分块策略、5种稠密嵌入模型及BM25稀疏基线，在四类结构差异显著的印度政府监管文档上，以800个问题实例（含经自动校验与10%人工复核的证据字符串）进行评估，共产生72000行结果，并运用线性混合效应模型、Holm校正配对比较及聚类自助置信区间进行分析。关键发现包括：没有任何单一检索器家族在所有文档上占优；解析器与分块器的选择存在显著交互；MPNet-base持续表现不佳，且在表格类问题上出现严重失效；语料证据保留率接近饱和（超过98%），说明检索差异主要源于排序质量而非摄取阶段的信息损失。研究还报告了嵌入维度、块大小与重叠的消融实验及效率与质量的帕累托分析，并公开了完整评估工具、语料清单与800题基准，为RAG组件联合选型提供了可复现的实证依据。

🔑 关键词速览