检索增强（retrieval-augmented）技术综述
检索增强（retrieval-augmented）是一种将外部知识库与大型语言模型结合的技术，通过补充模型自身数据外的最新信息来提升问答系统的准确性与可靠性，是当前AI领域优化知识获取能力的重要方向。
检索增强近期进展
Same Agent, Different Answers: A Repeat-Audit of Corpus-Induced Answer Churn in Retrieval-Augmented QA：研究团队针对检索增强问答系统中重复问题引发的答案波动现象开展审计，提出新型评估框架以检测潜在稳定性，为理解该技术可靠性提供新视角。
数字万神殿：用LLM智能体模拟和审计联盟形成：学者利用大语言模型构建模拟联盟机制，探索检索增强系统在复杂场景下的协作模式，推动技术向更智能的分布式架构演进。
超级检索智能体：单轮检索超越多轮探索：研究显示单轮检索策略在效率上优于传统多轮检索，为检索增强问答流程优化提供新思路，有望降低系统计算成本同时保持性能。