FR
Tessera transmet les preuves des pages Web au contexte du lecteur
En termes simples
Les pages Web placent souvent des faits dans des tableaux, des listes et des encadrés, où les titres indiquent ce que signifient les entrées. Les moteurs de recherche peuvent trouver la bonne page, mais transmettre à un modèle de langage des morceaux qui omettent ces faits ou leur contexte.
Tessera repasse sur les pages récupérées et rassemble des passages pertinents avec leurs étiquettes dans l’espace déjà prévu pour le lecteur. Lors de tests portant sur trois systèmes textuels et visuels, la précision agrégée des réponses a augmenté, mais l’évaluation s’est limitée à Wikipédia en anglais.
La recherche
Lorsqu’un système de recherche trouve une page Web utile, son lecteur reçoit-il les preuves de réponse avec les étiquettes et les titres nécessaires à leur compréhension ?
Les auteurs ont suivi les preuves dans une chaîne de récupération et constaté que certaines informations présentes dans les segments stockés ne parvenaient jamais au lecteur.
Tessera reconstruit les pages récupérées en unités de preuve étiquetées, puis rassemble les unités pertinentes dans un emplacement déjà prévu pour le lecteur, sans modifier le budget de contexte.
Dans le suivi des sources jusqu’au lecteur, les preuves citées lui sont parvenues pour 59,5 % des questions dont les pages citées étayaient les réponses de référence. Pour 16,5 %, elles étaient stockées, mais absentes de l’entrée du lecteur.
Lorsque les chercheurs ont fourni un segment stocké contenant toutes les preuves pour 715 questions concernées, la précision est passée de 49,1 % à 78,5 %. Dans la comparaison principale, un modèle lecteur répondait à partir des trois premiers éléments récupérés ou des deux premiers complétés par le bloc de preuves Tessera dans le même espace réservé au troisième.
Un modèle évaluateur comparait les réponses aux références. La précision agrégée a augmenté dans les trois chaînes textuelles et visuelles testées, ce qui étaye l’idée que transmettre les preuves d’une page avec leur contexte peut aider.
Les principales évaluations s’appuient sur Wikipédia en anglais, dont les pages contiennent beaucoup de tableaux et d’encadrés d’information.
Elles ne permettent pas d’établir comment Tessera se comporte avec les tableaux de mise en page du Web ouvert, le rendu côté client ou un balisage plus bruité.
Ce que montrent les preuves
- Trouver une page ne suffit pas
La génération augmentée par récupération sur le Web fournit à un modèle de langage des éléments tirés de pages trouvées pour étayer ses réponses. Mais les pages Web présentent aussi des faits dans des tableaux, des encadrés, des listes et des légendes, et les étiquettes ou les titres expliquent souvent leur signification.
Des segments fixes ou des tuiles d’image peuvent séparer les preuves de ce contexte, ou écarter des informations structurées avant qu’elles ne parviennent au lecteur.
- Transmettre les preuves avec leur contexte
Tessera est une couche de transmission des preuves qui ne nécessite pas d’entraînement. Elle utilise une liste classée pour repérer les pages, rouvre leur HTML et construit de petites unités — par exemple des lignes de tableau, des éléments de liste et des paragraphes — en leur ajoutant le titre de la page, le chemin de section ou les en-têtes de tableau nécessaires à leur compréhension.
Elle sélectionne les unités pertinentes pour la question et les place dans un emplacement déjà prévu pour le lecteur, sans changer l’index, le système de récupération, le lecteur ni le budget de contexte.
- Suivre la déperdition des preuves
Les auteurs ont suivi les preuves citées dans une chaîne hybride de traitement du texte pour repérer où elles se perdaient. Parmi les 5 883 questions dont les pages citées étayaient les réponses de référence, les preuves sont parvenues au lecteur dans 59,5 % des cas ; pour 16,5 % des questions, elles figuraient dans les segments stockés, mais manquaient dans l’entrée du lecteur.
Pour 715 questions relevant de ce second cas, où un segment stocké contenait toutes les preuves, le remplacement du troisième emplacement par ce segment a fait passer la précision de 49,1 % à 78,5 %. Cette intervention oracle montre la valeur potentielle de la transmission des preuves, pas le résultat propre à Tessera.
- Comparer à budget de lecture égal
Dans la comparaison principale, le lecteur recevait soit les trois premiers éléments de la chaîne de traitement, soit les deux premiers auxquels s’ajoutait un bloc de preuves Tessera dans l’espace réservé au troisième élément.
À budget de contexte égal, la précision agrégée des réponses a augmenté de 5,0 points de pourcentage avec la chaîne hybride de traitement du texte des auteurs, de 6,2 avec la chaîne textuelle de PixelRAG et de 5,6 avec sa chaîne fondée sur des captures d’écran. Une étude d’ablation distincte a relevé un gain supérieur avec des unités dotées de titres, de chemins de section et d’en-têtes qu’avec des unités brutes, ce qui étaye le rôle de la structure ajoutée dans la configuration testée.
- Étendre l’évaluation à la recherche répétée
La couche a également amélioré la précision des réponses d’un agent de recherche en plusieurs étapes sur deux tests qui nécessitent de réunir des informations provenant de plusieurs sources. Le gain était plus élevé sur FRAMES que sur MuSiQue, dont les questions portent surtout sur des paragraphes uniques de texte introductif.
Dans l’ensemble, les résultats étayent la transmission des preuves dans les configurations textuelles, visuelles et de recherche répétée testées. L’évaluation porte sur Wikipédia en anglais et ne permet donc pas d’établir les performances de la méthode sur d’autres mises en page Web ou avec d’autres modes de rendu.
Détails
- Auteurs de l’article original
- Peichun Hua, He Sun, Zirui Zhuang, Qi Qi, Yiming Qiu
- Soumis à arXiv
- Licence
- arXiv non-exclusive