AITOPAI热报

检索增强生成

general · 首次出现 2026-05-22 · 最近出现 2026-09-03 · 累计提及 24

综述

检索增强生成

检索增强生成（Retrieval-Augmented Generation，简称RAG）是一种结合了检索和生成技术的机器学习范式，旨在通过检索相关信息来增强生成模型的性能。目前，RAG技术正处于快速发展阶段，其应用领域不断扩大，同时也引发了一些争议。

检索增强生成近期进展

  • EnSI-RAG：长文档问答的实体-结构索引检索增强生成框架：该研究提出了一种针对长文档问答的实体-结构索引检索增强生成框架，旨在提高长文档问答系统的性能。
  • Amazon Bedrock 自动过滤器优化合同搜索：AWS Machine Learning Blog报道了Amazon Bedrock如何通过自动生成的过滤器优化合同搜索的准确性。
  • CoinRAG：面向长上下文RAG的上下文信息碎块KV缓存复用：该研究提出了一个针对长上下文RAG的上下文信息碎块KV缓存复用方法，以提高检索效率。

    • 当前焦点与观察点

    RAG技术当前的关注点主要集中在如何提高检索的准确性和效率，以及如何更好地将检索信息融入生成过程中。例如，RA-RFT通过检索增强强化微调实现类比推理，而Mod-Guide则基于LLM的内容审核系统，提升对少数族裔敏感言论的识别。此外，大上下文窗口与向量搜索的对比也成为了一个研究热点，而SARDI则提出了扩散语言模型的自增强检索方法。

    相关报道

    10 条在档