—
Paper 100 ｜多階段對話式段落檢索：從歷史脈絡精準抓取對話意圖
閱讀 2020 論文 Multi-Stage Conversational Passage Retrieval。本篇進一步將對話式檢索推向多階段架構，探討如何在長對話中，過濾掉閒聊與無關雜訊，精準檢索出能回答使用者當下需求的段落。
WRITTEN BY
- Name
- Harry Chang
延續第 099 篇對於對話式搜尋的探討，這篇發表於 ACM 2020 的論文，進一步提出了一個更完整的**多階段檢索架構（Multi-Stage Retrieval）**來應對複雜的對話情境。
參考資料
- 論文名稱：Multi-Stage Conversational Passage Retrieval
- 出處：arXiv:2005.02230 / ACM 頁面
- 領域：檢索、RAG 架構
一、論文核心：多階段過濾雜訊
在真實情境中，對話歷史包含了許多閒聊或是與當前問題無關的轉換。如果只是粗暴地把所有歷史對話全部塞進檢索模型裡，反而會引發「雜訊過載」，降低檢索準確度。
本篇論文提出了一套多階段架構：
- 歷史重要性評估：先判斷先前的對話輪次（Turns）對於當下問題是否有關聯。
- 初步檢索（First-stage Retrieval）：利用稀疏檢索（如 BM25）快速從海量文件中撈出候選段落。
- 精細重排（Passage Re-ranking）：結合萃取出的歷史關鍵脈絡與當下問題，運用深度模型對候選段落進行重新排序，確保最相關的答案排在第一位。
二、對企業 Agent 知識庫的啟發
這套多階段架構，正是如今高階 RAG 系統的標準配置。在企業應用中（例如跨部門 Agent 查閱過往簽呈或專案報告），我們不能只依賴單一的向量檢索（Dense Retrieval）。
借鏡這篇論文的做法，我們應該在 Agent 檢索模組中實作：
- 混合檢索（Hybrid Search）：結合 BM25 與向量檢索。
- Re-ranker 模組：在拿到初步資料後，再交由另一個專門排序的模型，甚至讓 LLM 根據上下文判斷文件關聯度。 這能大幅減少 Agent 抓錯資料導致「幻覺」的風險。
免責聲明： 本文為論文閱讀與技術研究筆記。詳細的模型架構與實驗數據請參閱論文原文。