买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于多阶段检索反馈的RAG查询重写方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120492613B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510964540.X，技术领域涉及：G06F16/334；该发明授权基于多阶段检索反馈的RAG查询重写方法是由赵志刚;张广东;李传涛;王春晓;李锦涛;王雨欣;刘言;周智伟设计研发完成，并于2025-07-14向国家知识产权局提交的专利申请。

本基于多阶段检索反馈的RAG查询重写方法在说明书摘要公布了：本发明涉及检索增强生成技术领域，尤其是提供了一种基于多阶段检索反馈的RAG查询重写方法。该方法包括通过引入查询重写器，构建改进型的RAG框架；基于检索任务的静态反馈和动态反馈两阶段训练查询重写器；并设计信息对齐策略，将重写后的查询校准到检索需求的信息范围和语义，该方法对查询进行了优化，提高了检索需求的匹配度，提升了检索的覆盖率和准确率。

本发明授权基于多阶段检索反馈的RAG查询重写方法在权利要求书中公布了：1.一种基于多阶段检索反馈的RAG查询重写方法，其特征在于，所述方法包括： 步骤1、通过引入查询重写器，构建改进型的RAG框架； 步骤2、根据步骤1，基于检索任务的静态反馈和动态反馈两阶段训练查询重写器；并设计信息对齐策略，将重写后的查询校准到检索需求的信息范围和语义； 所述步骤1包括： 构建由查询重写器、检索器和生成器组成的RAG框架，引入T5-large模型作为查询重写器；首先，查询重写器对原始查询进行重写操作，获得重写后的查询；其次，检索器根据重写后的查询进行检索，获得检索文档；最后，生成器结合重写后的查询和检索文档进行答案预测； 所述步骤2包括： 静态反馈阶段基于监督学习，利用标签查询和标注文档指导查询重写过程；查询重写器通过静态反馈，进行查询重写与信息对齐；动态反馈阶段基于强化学习，将检索器召回的检索文档的准确度和覆盖率作为奖励信号，动态反馈给查询重写器；通过查询重写与检索任务的交互，以使查询重写器生成符合检索需求的查询； 将原始查询q重新表述为在数量和语义上接近标注文档集合的重写查询，其表达式为： ； 其中，，表示标注文档；表示查询重写器生成的重写查询，表示重写查询集合，即由查询重写器生成，，表示查询重写器； 信息对齐策略包括数量对齐和语义对齐两个子策略，其中，数量对齐：根据标注文档的个数确定查询重写器生成重写查询的数量，即，和分别表示重写查询与标注文档的数量；语义对齐：在监督学习训练过程中，将标注文档的语义表示作为监督信号，最大化与的语义相似度，生成的查询信息包含标注文档的信息； 基于监督学习和强化学习两个阶段，对查询重写器进行训练，其过程如下： Ⅰ、监督学习，首先利用大语言模型LLM，根据标注文档生成标签查询；然后通过结合标签查询监督信号和标注文档监督信号，联合优化查询重写任务； 数据集构建，通过Prompt指令引导通义千问模型Qwen-max，针对原始查询q结合标注文档集合生成K个在语义上分别与标注文档匹配的重写查询，构成重写查询集合；然后选择在和R-Precision指标上均优于原始查询检索指标的集合作为标签查询，；构建二元组作为监督学习的训练数据； 标签查询监督信号，选择T5-large模型作为初始化查询重写器；查询重写器基于输入原始查询q学习生成与标签查询接近的输出；使用交叉熵损失函数计算查询生成损失，其表达式为： ； 其中，表示标签查询在序列位置上的词，T表述标签查询的序列长度； 标注文档监督信号，首先部署一个预训练稠密段落检索器DPR的上下文编码器，以生成每个标注文档的隐藏状态，然后对隐藏状态进行平均池化，得到标注文档语义表示；当查询重写器的编码器生成原始查询q的隐藏状态，同样对隐藏状态进行平均池化，以获得查询表示；之后通过最小化查询表示和标注文档语义表示之间的均方误差MSE，对齐查询与文档的语义，信息对齐损失的表达式为： ； 联合优化目标，总体训练目标损失由查询生成损失和信息对齐损失组成，其表达式为： ； 其中，表示权重因子，用于平衡查询生成和信息对齐策略的影响； Ⅱ、强化学习，采用基于策略梯度的强化学习框架，将重写过程建模为马尔可夫决策过程MDP，此过程由状态空间、动作空间、奖励函数及优化策略共同定义，通过检索效果反馈驱动查询重写器迭代改进。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250353 山东省济南市长清区西部新城大学科技园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。