论文arxiv cs.CL · 1mo ago重要
Retrieval Augmented Generation Framework for the Nepali Legal Domain Question Answering
分类释义：学术论文 / 技术报告
TL;DR
首个面向尼泊尔语法律领域的 RAG 系统，使用 BM25 检索达到 91% Top-1 精确率，92% 答案生成成功率，74% 答案有据可查性。
关键要点
- 01首个面向尼泊尔语法律领域的 RAG 系统。
- 02使用 BM25 检索达到 91% Top-1 精确率。
- 0392% 答案生成成功率。
- 0474% 答案有据可查性。
为什么值得关注
低资源语言（如尼泊尔语）的法律问答系统可用简单 BM25 + RAG 管道实现 90%+ 精确率，无需依赖大型微调模型。工程师可借鉴：将文档分块 + BM25 检索替换昂贵向量检索，在法律、医疗等垂直领域快速落地多语言 AI 助手。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估在低资源语言垂直场景采用 BM25 替代向量检索的可行性，评估 ROI 节省微调成本 |
| 应用工程师 | 参考其文档分块策略和 BM25 调参方法，为法律/医疗等垂直领域 RAG 项目制定技术选型方案 |
| 运维 / 平台 | 评估 BM25 索引的存储与查询性能需求，对比向量检索基础设施的运维成本差异 |
| 产品 / 业务 | 评估面向低资源语言市场的 AI 助手落地节奏，以低成本方案快速验证多语言法律/医疗场景需求 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5