Работа принята на GroundLM 2026 — международный воркшоп при EMNLP 2026.
Работа предлагает TripletRAG — метод, который переносит полезные паттерны работы большой языковой модели в RAG-систему на базе компактной модели без fine-tuning. Большая модель заранее создаёт триплеты «синтетический вопрос — найденные фрагменты — эталонный ответ», а затем релевантные триплеты используются как структурированные in-context примеры во время инференса.
Эксперименты на SQuAD и Natural Questions показывают наиболее выраженный эффект для моделей порядка 1B–3B параметров: растут groundedness и judge-based accuracy. Абляции показывают, что выигрыш связан не просто с форматом few-shot prompting, а с семантической релевантностью примеров и опорой на retrieved evidence.