基于主题增强的Python问答模型

随着大语言模型技术的发展,检索增强在教育领域的应用已经成为热门的研究方向之一,目的是缓解大语言模型的"幻觉"问题,提高大语言模型针对教育问题回答的准确性.教育领域的问题通常比较复杂、个性化程度较高,传统检索方法应用在教育问答时往往存在语义匹配不准、上下文理解不足、数据处理困难等问题,导致回答质量欠佳.为应对上述挑战,提出了一个基于神经主题模型的检索增强技术,能够有效提高大语言模型回答Python编程教育问题的准确性.该技术对检索到的外部知识进行重排序,从而使教育场景下与问题更相关的信息被用于提示大语言模型回答问题.实验结果表明,基于提出的主题增强技术构建的Python问答模型,生成了比对比模型质量更高的回答内容.