RAG

基于大型语言模型的检索增强生成综述 进阶 RAG 范式与模块化 RAG 表 1 RAG 方法总结 RAG 过程 文献 检索增强生成方法 检索预处理 SKR[30]、Adaptive-RAG[31] 基于问题精准的文本解析 检索预处理 DenseX[32]、TableGPT[33]、Iseeq[34]、knowledgpt[35]、G-Retriever[36] 基于外部检索源的文本解析 检索预处理 LLAMAi[37]、Small2Big[38]、Meta-Chunking[39]、GLMwCFiCR[40]、RAAT[41] Chunk 分割（动态分块、元数据增强） 嵌入表示 C-Pack[46]、RetroMAE-2[47]、REPLUG[48]、Arl2[49]、Promptagator[50]、BGE[51]、AngIE[52]、ListT5[53] 微调嵌入（领域适配、对齐生成器） 索引 HyDE[54] 分层索引（假设文档嵌入优化） 索引 RAPTOR[55] 树形索引（分层摘要树） 索引 KGP[56] 知识图谱（KG）索引（多文档逻辑关系建模） 查询 RAG-Fusion[57] 多响应扩展（并行子查询） 查询 LTMP-CLR[58] 子查询（最小到最大提示分解） 查询 RRR[28]、BEQUE[59] 查询转换 / 重写（LLM 驱动的长尾查询优化） 查询 Step-back prompt[26]、FCTG-ICRA[60]、DPR[61] 查询路由（动态路径选择） 外部适配器 UP-RISE[62] 轻量级提示检索器（零样本提示池） 外部适配器 Search-Adaptor[63]、PRCA[64]、CRAG[65] 特定任务检索器（插件式适配器） 外部适配器 GenRead[66]、PKG[67] 引入 LLMs 生成器（替代传统检索器） 检索信息生成 RAG-Fusion[57]、Filter-Reranker[68]、G-RAG[69]、RankRAG[70] 重排（LLM+SLM 协同排序） 检索信息生成 Lingua[71]、Longllmlingua[72]、FILCO[73]、RECOMP[74]、ACD-RAG[75] 选择性上下文（噪声过滤与压缩） 检索信息生成 RAAT[39]、IBP-ENFoRAG[76]、Chatlaw[77] 信息过滤（LLM 自评相关性） 提示输出 URR-RAIC[78] 微调数据（多样化标题增强） 提示输出 SANTA[79]、DFK-TOD[80]、RA-DIT[81] 强化学习 / 对齐（KL 散度对齐检索 - 生成偏好） 高级流程优化 Efficient RAG [85]、Rat [88] 等 迭代检索（多轮精炼查询） 高级流程优化 IRCoT[89]、ToC[90] 递归检索（链式思维 + 澄清树） 高级流程优化 Self-RAG[95]、IM-RAG[98] 自适应增强（反射令牌自主决策） 表 2 RAG 开源框架 名称 项目地址 简介 LlamaIndex2 https://github....