深度分析
LegalSearch‑R1:本地化版本化 RAG 與強化學習實現法律檢索的時間一致性
法律推理要求適用法與案情時間對齊。本研究提出LegalSearch‑R1,透過時間索引語料與強化學習,將本地法條RAG與線上搜尋結合,並用熵基增益整形改善時序查詢策略。實驗在13項任務顯示,此法提高時間一致性與檢索精準度。並呈現對既有研究的比較與泛化能力。
深度分析
法律推理要求適用法與案情時間對齊。本研究提出LegalSearch‑R1,透過時間索引語料與強化學習,將本地法條RAG與線上搜尋結合,並用熵基增益整形改善時序查詢策略。實驗在13項任務顯示,此法提高時間一致性與檢索精準度。並呈現對既有研究的比較與泛化能力。
深度分析
研究以德國民法典為基準,評估多種文本切塊策略在檢索增強生成(RAG)中的表現。比較結構化分段、固定窗口、語義分群、Lumber與RAPTOR等方法,並衡量召回、延遲與索引成本。結果顯示保留法條結構的分節或小節檢索能顯著提高Recall,且計算與存儲效率更佳。