RAG / 检索增强生成

Bypassing Document Ingestion: An MCP Approach to Financial Q&A

绕过文档摄入：一种MCP方法用于金融问答

Sasan Mansouri, Edoardo Pilla, Mark Wahrenburg, Fabian Woebbeking

机构 * University of Groningen（Groningen大学） ； Goethe University Frankfurt（法兰克福歌德大学） ； Martin Luther University Halle-Wittenberg（哈雷-维滕贝格马丁路德大学） ； Halle Institute for Economic Research (IWH)（哈雷经济研究所） 纠错

专题命中 知识库问答 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.AI

AI总结 本文研究MCP在金融问答中的可靠性，通过构建定制MCP服务器测试FinDER基准，发现其在多步数值问题上准确率达80.4%，为金融问答提供基线并揭示其局限性。

Comments 19 pages, 10 figures

Coding Agents are Effective Long-Context Processors

编码代理是有效的长上下文处理器

Weili Cao, Xunjian Yin, Bhuwan Dhingra, Shuyan Zhou

机构 * Duke University（杜克大学） 纠错

专题命中 知识库问答 ：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 本文研究通过允许编码代理在文件系统中组织文本并使用其原生工具处理长上下文，发现编码代理在长上下文推理、检索增强生成和开放领域问答中表现优异，比现有最佳方法平均提升17.3%。