Affordance-Compiled Intelligence: Observable-Only Cognitive Impedance Matching for No-Meta LLM-Integrated Systems

• 类型：arxiv
• 标识：2005.11401
• 链接：https://arxiv.org/abs/2005.11401
• 主题：rag
• 主分类：rag
• 形态：method
• 被引：20066
• 被引来源：Semantic Scholar
• S2被引：20066
• OpenAlex被引：3040
• 影响力被引：1773
• TLDR：A general-purpose fine-tuning recipe for retrieval-augmented generation (RAG) -- models which combine pre-trained parametric and non-parametric memory for language generation, and finds that RAG models generate more specific, diverse and factual language than a state-of-the-art parametric-only seq2seq baseline.
• OpenAlex ID：W3027879771
• OpenAlex DOI：10.48550/arxiv.2005.11401
• DOI：10.48550/arxiv.2005.11401
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2005.11401
• OpenAlex更新：2026-10-25
• 待LLM分类：否
• 成熟度：research
• 场景：fine-tuning、text-generation、knowledge-intensive-tasks
• 标题中文：Affordance-Compiled Intelligence: Observable-Only Cognitive Impedance Matching for No-Meta LLM-Integrated Systems
• TLDR中文：提出面向检索增强生成（RAG）的通用微调方案——RAG 模型融合预训练参数化记忆与非参数化记忆进行语言生成；研究发现，相较 SOTA 的纯参数化 seq2seq 基线，RAG 模型生成的文本更具针对性、更多样且更符合事实。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]