• src：HtmlRAG: HTML is Better Than Plain Text for Modeling Retrieved Knowledge in RAG Systems

ChatGPT 導讀

以下是提供文檔的摘要分析：

文章標題翻譯

HtmlRAG: HTML 比純文字更適合於 RAG 系統中建模檢索知識

重點摘要

本文探討在檢索增強生成系統（RAG）中使用 HTML 作為檢索知識的格式是否能比純文字更好地保留結構和語義信息。傳統的 RAG 系統通常將 HTML 轉換為純文字，但這樣會丟失 HTML 的結構化和語義資訊。本文提出了一種新方法——HtmlRAG，直接使用 HTML 格式，並設計了高效的 HTML 清理和修剪策略以解決冗長和噪聲問題。

核心技術包括：

1. HTML 清理與壓縮：去除無用的 CSS、JavaScript 和其他冗餘信息，同時保留結構信息。
2. 基於樹結構的修剪方法：使用兩階段的 HTML 修剪策略，基於文本嵌入和生成模型對 HTML 進行剪裁以縮短長度。
3. 實驗與驗證：在六個問答數據集上進行實驗，結果顯示 HTML 格式相比純文字格式在保留語義信息上更優。

主要觀點

1. HTML 是更適合於建模檢索知識的數據格式，因其能保留豐富的結構和語義信息。
2. 長文本建模能力的提升使得處理 HTML 成為可能，但需解決過多標記導致的冗長問題。
3. 提出的 HtmlRAG 系統在性能上超越了基於純文字的傳統方法。

關鍵概念

1. 檢索增強生成 (Retrieval-Augmented Generation, RAG)：結合外部知識和生成模型以提高回答準確性的方法。