摘要由 AI 生成
2026 年 9 月 7 日，arXiv 发布论文显示，BIT.UA 团队在 BioASQ 14B 挑战赛中采用模块化检索与基于代理的答案生成机制。该团队将原 PyTerrier PISA 索引替换为 PostgreSQL 的 pg_textsearch 进行 BM25 检索，并使用 Qdrant 处理稠密嵌入索引以支持 GPU 加速；同时探索 HyDE 查询扩展与 Context-1 策略，开发了含稠密检索负采样的新重排序器训练流程。针对答案生成任务，团队引入 LLM-as-a-judge 框架及新型代理多数决机制，利用多代理辩论与自适应文档保留达成共识答案，并首次参与片段生成子任务。该系统在所有批次中取得竞争性结果。
相关事件RELATED EVENTS
关键实体KEY ENTITIES
BIT.UAQdrantUniversity of Aveiropg_textsearch
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
整合时间线UNIFIED TIMELINE
-
2026-09-04
BIT.UA at BioASQ 14B: Modular Retrieval…
BIT.UA at BioASQ 14B: Modular Retrieval with pg_textsearch and Qdrant, and Agent-Based Answer Generation
-
2026-09-07
BIT.UA at BioASQ 14B: Modular Retrieval…
BIT.UA 团队在 BioASQ 14B 挑战赛中采用 pg_textsearch 与 Qdrant 实现模块化检索，并引入基于代理的答案生成机制。该团队重构了代码库，将 Phase A 的 PyTerrier PISA 索引替换为 P…
信号强度SIGNALS
关键词热度
全部报道（2）SOURCES
BIT.UA at BioASQ 14B: Modular Retrieval with pg_textsearch and Qdrant, and Agent-Based Answer Generation
BIT.UA 团队在 BioASQ 14B 挑战赛中采用 pg_textsearch 与 Qdrant 实现模块化检索，并引入基于代理的答案生成机制。该团队重构了代码库，将 Phase A 的 PyTerrier PISA 索引替换为 PostgreSQL 的 pg_textsearch 进行 BM25 检索，同时使用 Qdrant 处理稠密嵌入索引以支持 GPU 加速；在检索策略上探索了 HyDE 查询扩展与 Context-1 策略，并开发了包含稠密检索负采样的新重排序器训练流程。针对 Phase A+ 和 B 的答案生成任务，团队引入了 LLM-as-a-judge 框架及新型代理多数决机制，利用多代理辩论与自适应文档保留达成共识答案，并首次参与了片段生成子任务。该系统在所有批次中取得竞争性结果，Pha…