原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
eSapiens的DEREK模块：用于LLM知识的深度提取与推理引擎
IsaacShiandZeyuanLiandFanLiuandWenliWang
LeweiHeandYangYangandTianyuShi
eSapiensTeam
{ishi,zeyuanli,fanliu,wenliwang,leweihe,yangyang,tianyushi}@esapiens.ai
摘要下进行查询。关键词搜索会返回大量不相关结
果，而大语言模型（LLMs）会在缺失正确段落时
我们提出了DEREK（深度提取与推理引
产生幻觉。德里克模块通过一个综合流程填补
本擎用于知识）模块，这是一个专门为企业了这一差距。该流程首先通过一键连接器摄取
译文档问答设计的安全且可扩展的检索增强PDF、Office和网页内容。接着将这些文档分块
中生成管道。该系统由eSapiens设计和实现，并嵌入到包含1,000个标记的重叠窗口中，存
可以摄取异构内容（PDF、Office、网页），
1
v将其分割成1,000个标记重叠的块，并在混储在一个混合索引中，该索引结合了HNSW向
3合HNSW+BM25存储中对其进行索引。用量与BM25词项过滤器。最后，它检索、重新
6
8户查询通过GPT-4o进行优化，利用组合向排名并验证前k个片段，随后将这些片段连同
5量+BM25搜索检索结果，再由Cohere重新
1优化后的查询一并传递给LLM，要求其引用每
.排序，并使用CO-STAR提示工程由一个大
7个支持的文本跨度。
0语言模型回答。LangGraph验证器强制执
5行引用重叠，直到每个声明都有依据为止，核心架构以容器化服务的形式提供，确保
2
:不断再生答案。所有内容、嵌入和日志通过HTTPS和AES-256
v
i在四个LegalBench子集上，1000-token片段进行加密。每个API调用都会根据基于角色
x
r将Recall@50提高了pp，而混合+重排的策略进行检查，并将审计事件持久化以满足
a
序方法提升了Precision@10达pp；验证SOC2可追溯性要求，允许团队使用标准的
器使TRACe利用率超过0.50，并将无支持DevOps工具扩展模块。
陈述限制在%以内。所有组件均在容器
中运行，强制执行端到端的TLS1.3和AES-贡献
256加密。这些结果表明DEREK模块以最
内部测试设计了四个法律基准子集，以确
小的操作开销提供了准确的，可追溯的和
认模块默认设置的技术可靠性：
生产就绪文档问答。该模块设计旨在满足
企业对安全、可审计且忠于上下文检索的
•块大小。从500个令牌窗口移动到1000个
需求，为法律和金融等高风
文档评论（0）