检索增强生成相关 AI 资讯

AITOP

8月19日

01:13

官方一手AWS Machine Learning Blog@Ariana Lopez

精选

AIDA 方案利用隐式和显式过滤技术解决合同检索问题。该方案在 Amazon Bedrock Knowledge Bases 中实施元数据增强分块。这种方法能将用户限定在正确的法律合同与访问边界内。最终实现合同搜索准确性的显著提升。

事件专题

推荐理由：教你怎么用 Bedrock 的过滤器和分块技术找合同。

原文

8月10日

11:03

官方账号arXiv cs.LG@Gyuwan Kim, Cheoneum Park, Tao Yang

CoinRAG是一种针对长上下文检索增强生成（RAG）的KV缓存复用优化方法，通过两阶段检索识别查询相关的语义单元，并组合复用其切片KV表示，避免处理冗长检索上下文。在LongBench多跳问答任务上，CoinRAG相比基线实现了新的帕累托前沿，在标准快速预填充延迟预算下平均F1相对提升5.3%，同时显著降低运营成本。该方法将粗粒度块级缓存细化为语义碎块级，减少了信息冗余与噪声。

论文 CoinRAG RAG KV缓存

推荐理由：想给RAG省算力又不想掉精度？CoinRAG把检索结果拆成小碎块做缓存复用，LongBench上F1平均提了5.3%，值得一看。

原文

7月3日

05:45

官方一手marktechpost@Sana Hassan

该教程使用RAG-Anything在Google Colab中搭建多模态检索工作流。用户输入OpenAI API密钥后，生成含图表和PDF的合成报告，转换为content_list格式并注入检索系统。配置OpenAI chat/vision/embedding函数后，测试naive、local、global和hybrid四种检索模式。全流程覆盖文本、表格、方程和图像四类内容。

技巧 RAG-Anything Colab OpenAI

事件专题

推荐理由：想搭多模态RAG？这个Colab教程带你用RAG-Anything处理文本、表格、方程和图像，还支持四种检索模式，上手超快。

原文

6月25日

00:15

Milvus@milvusio

精选

Milvus团队指出LLM在RAG中频繁引用了不支持的来源。引文失败分为两类：忠实性错误（生成内容与检索文档不符，如模型声称150W功耗但文档只说低功耗）和引文准确性错误（元数据映射错误、缺失引用、幽灵引用、弱支持引用、过度引用）。其中幽灵引用常因索引重建后ID过期导致。修复方案因错误类型而异：忠实性问题调整生成层约束或基座模型，引文准确性问题需工程层修复元数据管理。

技巧 RAG 引文忠实性

推荐理由：别总怪模型了，很多引文错误出在工程层。这篇文章帮你分清五种引文故障，对症下药。

原文

6月12日

11:42

官方账号arXiv cs.AI@Zilin Xiao, Qi Ma, Chun-cheng Jason Chen, Xintao Chen, Avinash Atreya, Hanjie Chen, Vicente Ordonez

传统RAG基于语义相似度检索，不适合复杂推理任务：语义相似的问题可能解法不同，而表面不同的问题可能共享相同推理模式。RA-RFT提出一种后训练框架，通过黄金相关性蒸馏训练检索器，按预期推理收益而非语义重叠排序上下文，再用强化微调方法结合检索到的类比示例微调策略模型，使其学会利用推理轨迹。在数学推理基准上，RA-RFT持续优于标准强化微调方法，例如在AIME 2025上，对Qwen3-1.7B和Qwen3-4B分别提升7.1和2.8个点。这表明推理感知检索是独立于奖励设计或训练课程的改进维度。

论文检索增强生成类比推理强化微调

推荐理由：做复杂推理的AI研究者终于有了一个不依赖语义相似度的检索框架——RA-RFT让模型学会类比推理，数学基准提升显著，做RAG或强化微调的团队值得关注。

原文

09:15

官方账号arXiv cs.AI@Dipto Das, Achhiya Sultana, Ankit Singh Chauhan, Saadia Binte Alam, Mohammad Shidujaman, Shion Guha, Sunandan Chakraborty, Syed Ishtiaque Ahmed

该论文针对LLM在内容审核中难以识别针对少数族裔（如孟加拉国印度教和查克马社区）的文化隐性歧视问题，提出Mod-Guide系统。研究通过社区合作构建文化敏感语料库，并利用检索增强生成（RAG）将少数群体视角融入审核流程。实验表明，RAG增强的审核响应在文化准确性上显著提升，且不同族群对审核结果的感知存在差异。这项工作为AI伦理和内容审核设计提供了修复性正义和解释学包容的新路径。

论文内容审核 LLM 少数族裔

推荐理由：内容审核系统常忽视文化隐性歧视，Mod-Guide通过RAG融入少数群体视角，做AI伦理或内容审核的团队值得关注其方法论。

原文

6月11日

22:28

Qdrant@qdrant_engine

Qdrant 发布了一项基准测试，比较了两种方法：直接将大量上下文发送给 LLM，以及使用 Qdrant 的两步检索管道仅获取最相关信息。结果显示，更大的上下文窗口会增加成本和延迟，而检索有助于减少 LLM 所需的上下文量，同时保持答案质量。随着上下文窗口的增长，检索不会消失，反而对效率、可扩展性和控制变得更加重要。

AI产品向量搜索 Qdrant 检索增强生成

推荐理由：做 RAG 或向量搜索的团队会关心这个关键权衡——大上下文窗口并非万能，检索仍是降本增效的核心手段，建议点开看具体数据。

原文

6月5日

12:10

官方账号arXiv cs.AI@Paul Jünger, Justin Lovelace, Linxi Zhao, Dongyoung Go, Kilian Q. Weinberger

精选

离散扩散语言模型通过并行去噪生成文本，每一步会预测掩码位置的候选词，并丢弃低置信度的预测。研究者发现这些丢弃的token实际上包含有用的前瞻信号，能提前揭示关键实体，从而在输出最终确定前检索到更强证据。基于此，他们提出了SARDI（自增强检索扩散语言模型），一种无需训练、与检索器无关的动态RAG框架。在五个多跳问答基准测试中，SARDI以高达8倍的吞吐量超越了当前无需训练的扩散和自回归检索基线。

论文扩散语言模型检索增强生成多跳问答

推荐理由：SARDI巧妙利用了扩散模型去噪过程中的“废料”token，为RAG提供了一种零成本的前瞻信号，做问答系统或检索增强生成的团队值得关注，可以直接集成到现有扩散模型中提升效果。

原文

6月4日

18:42

Qdrant@qdrant_engine

距离 Vector Space Meetup 在柏林举办还有一周。活动主题是“智能体时代的检索”，探讨智能体需要什么样的检索能力。现代智能体不再只是找最近片段，还需要决定何时搜索、搜索什么、使用哪些工具以及检索信息是否足够行动。活动将邀请来自 cognee、deepset、LlamaIndex 和 n8n 的构建者进行小组讨论，并由 Qdrant 联合创始人兼 CTO 发表主题演讲。活动将于6月11日在柏林 AI Campus 举行，需注册审批。

行业智能体检索增强生成向量数据库

推荐理由：智能体开发者都在头疼检索问题——什么时候搜、搜什么、够不够用？这场 Meetup 把 cognee、deepset、LlamaIndex 和 n8n 的构建者聚在一起，直接回答你的疑问。做 RAG 或智能体系统的建议报名，现场还能和 Qdrant CTO 交流。

原文

6月3日

23:35

Milvus@milvusio

固定长度分块将文档切成512或1024 tokens的块，但可能把完整答案切半导致检索不完整。滑动窗口分块用50-100 tokens重叠避免断句，但会产生重复块挤占检索结果。语义分块按段落、标题或章节分割保持语义完整，但只适用于格式规整的文档。Milvus建议对技术文档用语义分块+滑动窗口兜底，对话记录用大重叠固定分块，API文档按章节分块。

技巧 Milvus RAG 文档分块

推荐理由：Milvus教你按文档类型选分块方法

原文

6月1日

10:55

rohanpaul_ai@rohanpaul_ai

精选

一项新研究评估了商业AI聊天机器人在新闻问答中的表现，发现其在多选题上准确率超过90%，能回答几小时前的事件。然而，这种成功很脆弱：当需要自由回答、使用印地语或问题包含错误假设时，性能大幅下降。超过70%的错误源于检索失败或来源偏差，即系统找到了接近但不精确的证据，然后忠实但错误地回答。研究指出，这些模型并非因“不会思考”而失败，而是因定位到错误证据。这揭示了AI作为新闻中介的可靠性问题，提醒用户不要被高准确率迷惑。

论文 AI聊天机器人新闻问答检索增强生成

推荐理由：做新闻聚合或信息检索的开发者，这篇论文戳破了AI聊天机器人的“可靠”假象——高准确率不等于可信赖，自由回答和跨语言场景下漏洞明显，值得点开看看你的系统是否也踩了同样的坑。

原文

10:50

官方一手arXiv: DeepSeek@Zijie Zhao, Roy E. Welsch

精选

该研究提出一种面向金融事件驱动RAG的贝叶斯源记忆机制，通过市场反馈（已到期残差收益）动态更新检索来源的信任度，而不微调LLM本身。在FNSPID数据集89只纳斯达克股票上，冻结LLM+源记忆相比无记忆基线，宏F1从0.438提升至0.471，下游投资组合Sharpe比率从0.52跃升至0.84。实验表明，在金融RAG中，学会信任哪些信息来源比学会如何阅读更重要，且该方法简单模块化，可直接适配市场变化。

论文金融RAG 检索增强生成贝叶斯记忆

推荐理由：金融量化团队终于有了一个不折腾大模型、只优化检索来源就能显著提升收益风险比的方案——Sharpe从0.52到0.84的跃升很实在，做事件驱动策略的可以直接参考这个贝叶斯记忆模块。

原文

5月30日

11:47

Milvus@milvusio

精选

Claude Opus 4.8 提升了编码智能体的独立工作能力、判断力和自我检查能力，使其不再只是生成代码片段，而是能规划变更、调用工具、编辑文件、检查输出，并在同一工作流中持续更长时间。这种变化改变了检索的角色：智能体检索错误上下文会导致后续计划、工具调用、代码修改和记忆都出错。因此，检索不能仅停留在“找几个相似片段”，而需要相关、新鲜、有范围且可追溯的上下文。Milvus 等向量数据库通过混合搜索、元数据过滤和生产级上下文访问，为智能体提供高质量的检索层。

AI产品 Claude Opus 4.8 编码智能体检索增强生成

事件专题

推荐理由：Claude Opus 4.8 让编码智能体更自主，但检索质量成为瓶颈——做智能体开发或 RAG 的团队，建议关注 Milvus 如何解决上下文精准问题。

原文

5月29日

13:05

官方一手arXiv: DeepSeek@Dongsheng Shi, Yue Li, Xin Yi, Yongyi Cui, Huawei Feng, Linlin Wang

SURGENT 是一个面向围手术期全流程的多智能体辅助系统，由 Tree-of-Thought 规划器、多科室协作智能体和检索增强推理模块组成。它通过创新的记忆设计管理长期患者病史和短期工作摘要，解决了大语言模型在手术应用中输入长度限制、记忆不完整和可追溯性差的问题。在病例分析、手术计划模拟、安全监测、并发症风险评估和康复指导五项任务中，SURGENT 表现优于基线 LLM 和现有医疗多智能体框架。消融实验显示，DeepSeek 作为本地可部署的骨干模型，能实现隐私保护部署。该系统为智能、公平且安全的手术辅助提供了实用且可信的进展。

论文多智能体系统手术辅助检索增强生成

推荐理由：SURGENT 解决了手术场景中 AI 辅助的隐私和可追溯性痛点，做医疗 AI 或手术辅助系统的开发者可以直接参考其多智能体架构和记忆设计。

原文

12:14

官方账号arXiv cs.LG@M. Ross Kunz, John Merickel, Keith Wilson

该论文提出一种针对数值表格数据集的统计嵌入方法，通过结构化探索性数据分析描述符、预训练句子变换器和典型相关分析（CCA）实现跨数据集相似性检索与可解释对齐。方法无需共享变量名或特征约定，能自动识别驱动对齐的关键统计描述符，并支持差分隐私保护。在15个数据集（涵盖通用基准、材料信息学和核级石墨表征）上评估，P@1分数达0.9，检索和聚类结构鲁棒。该框架为异构数值数据集成到检索增强生成（RAG）流水线提供了统计上下文保留的路径，适用于数据驱动算法选择和模拟模型初始化。

论文统计嵌入表格数据典型相关分析

推荐理由：做数据科学或材料信息学的团队终于有了一个无需统一变量名就能对齐异构表格数据的方法，检索准确率高达0.9还支持隐私保护，做RAG或算法选择的开发者可以直接参考。

原文

00:46

Milvus@milvusio

当 RAG 系统给出错误答案时，团队通常第一时间换更大的模型或调 prompt，但 Milvus 团队指出，真正该先修的是检索环节。他们提出一个三步诊断法：先按查询类型（精确术语、多跳、长尾、不可回答）构建黄金测试集，然后按桶计算 Recall@k，最后根据弱桶定位问题——精确术语桶低说明稠密检索对精确字符串有盲点，应加混合搜索；多跳桶低说明答案被切分或候选集太小；长尾桶低说明用户措辞与文档术语不匹配，需加查询改写；所有桶都低则说明嵌入模型不适合领域。这种方法能精准定位检索失败的具体原因，而非笼统地认为“召回率差”。

AI产品 RAG 检索增强生成 Milvus

推荐理由：做 RAG 的团队别再盲目换大模型了——Milvus 这篇诊断法帮你精准定位检索瓶颈，从精确术语到长尾查询都有对应解法，建议直接收藏实操。

原文

5月28日

21:00

LlamaIndex@llama_index

精选

文章指出grep词法搜索在小代码库或文档文件夹中足够，但在企业环境中面对数百万PDF、电子表格和扫描文档时无法读取、不扩展且忽略同义词。作者分析grep的优势和局限，解释为什么RAG和语义搜索在企业规模下是必要的。最后介绍如何分层结合词法搜索与语义搜索来获得最佳效果。

技巧 grep RAG 语义搜索

推荐理由：教你如何搭配grep和RAG做搜索

原文

5月27日

07:14

官方一手marktechpost@Sana Hassan

本文教程介绍了如何使用 ZeroEntropy 的 Zerank-2 重排序器（基于 Qwen3 的 4B 交叉编码器）来提升检索质量。教程从设置运行环境、加载模型开始，逐步讲解如何对查询-文档对进行评分。接着，从简单的成对评分过渡到实用的两阶段检索-重排序管道：先用快速的双编码器检索候选文档，再用 Zerank-2 进行精排。该方案能显著提高检索精度，适合需要高准确率的信息检索场景。

AI模型检索增强生成重排序交叉编码器

推荐理由：做 RAG 或搜索系统的开发者，这个教程直接教你用 Zerank-2 搭建两阶段管道，从环境配置到实战代码都有，值得跟着跑一遍。

原文

5月26日

00:52

Milvus@milvusio

精选

RAG 管道常犯一个错误：把语义相似度当成相关性，导致返回主题相近但实际不匹配的结果。CRAG（Corrective RAG）通过引入评估步骤，在检索后对文档进行相关性评分，并分三条路径处理：正确则精炼使用，模糊则补充网络搜索，错误则丢弃并回退搜索。评估器使用微调后的 T5-Large 模型，比通用 LLM 更快更精准。CRAG 能有效拦截 Apache 指南回答 Nginx 配置这类错误，确保生成只基于真正相关的内容。

论文 RAG CRAG 检索增强生成

推荐理由：做 RAG 系统的团队终于有了解决检索错配的实用方案——CRAG 在检索后加一道评估关卡，直接过滤掉相似但不相关的文档。做知识库问答或搜索增强应用的开发者，值得看看这个改进管道的方法。

原文

5月25日

09:52

官方一手arXiv: Anthropic@Max Prior, Andreas Schultz, Matthias Grabmair

精选

大型语言模型在静态知识截止日期与动态法律条文之间存在根本矛盾，导致两种时间失效模式：一是模型在立法修订后仍使用旧规则（后截止日期失效），二是模型偏好新条款而忽略历史版本（近因偏差）。研究者构建了包含312个专家验证的德语法律问答基准，涵盖三类时间敏感问题，并评估了OpenAI、Anthropic和DeepSeek的五种模型。实验发现，在无辅助的推理设置下，模型在后截止日期场景中表现严重下降；检索增强生成（RAG）方法通过提取事实日期和版本过滤显著提升所有问题类型的准确性，而网络搜索则不稳定且加剧近因偏差。研究结论指出，可靠的法律问答必须将时间有效性作为硬约束。

论文法律问答时间失效检索增强生成

事件专题

推荐理由：法律从业者和AI开发者会关心：LLM 在法律场景中的时间失效问题直接关系到合规风险，RAG 方案已被证明能有效缓解，值得在实务中尝试。

原文

5月21日

15:51

Milvus@milvusio

精选

Milvus团队指出，传统RAG在智能体工作流中表现不佳，存在单次检索遗漏上下文、相似性不等于相关性、缺乏检索质量检查、单一策略不适用所有查询等问题。但RAG并未死亡，而是进化成了Agentic RAG，通过查询路由、混合检索、检索评估（如Corrective RAG）和多步检索来解决上述问题。生产中的教训是：检索层必须匹配工作负载，架构越复杂越难维护。文章提供了更深入的架构建议。

AI模型 RAG Agentic RAG 检索增强生成

推荐理由：做智能体应用的团队会发现传统RAG的痛点被精准戳中，Agentic RAG的改进方案直接可用，建议点开看看具体架构设计。

原文

5月15日

09:57

官方账号arXiv cs.AI@Zhao Yang, Wang Huan, Li Yingshuo, Tu Haomiao, Lin Hujite

精选

ARPM 是一个外部时序记忆治理框架，旨在解决大语言模型在长程交互中常见的事实丢失、时间线混乱、人格漂移和稳定性下降问题。该框架将静态知识记忆与动态对话经验记忆分离，结合向量检索、BM25、RRF融合、双时序重排序、时序证据阅读和受控分析协议，实现证据验证与答案绑定。实验表明，在50轮问答中，ARPM在1:5信噪比下人工审查召回率达100%，在1:200+下仍达80%；消融实验显示，禁用对话历史检索后严格准确率从100%降至66.7%。该方法将长期人格一致性分解为可治理的组件，支持白盒评估。

论文长期记忆人格一致性检索增强生成

推荐理由：做对话系统或长期记忆研究的团队，ARPM 把人格一致性从玄学变成了可审计、可迁移的工程问题，值得看看它的实验设计和消融结果。

原文