@cevenif: 传统 RAG 的玩法正在被一个叫 PageIndex 的工具直接掀翻。它不用向量数据库、不用嵌入、不用切块，连相似搜索都省了，而是直接给文档建树形索引，让 LLM 像人一样逐层往下推。 在 FinanceBench 上，它跑出了 98.7…
摘要
PageIndex 是一个开源工具，通过构建文档的树形索引，无需向量数据库和嵌入，实现高效的 LLM 检索。在 FinanceBench 上达到 98.7% 的准确率。
查看缓存全文
缓存时间: 2026/06/17 22:03
传统 RAG 的玩法正在被一个叫 PageIndex 的工具直接掀翻。它不用向量数据库、不用嵌入、不用切块，连相似搜索都省了，而是直接给文档建树形索引，让 LLM 像人一样逐层往下推。
在 FinanceBench 上，它跑出了 98.7% 的准确率，把现有向量方案甩在身后。项目本身是开源的，做文档分析、AI 检索的可以盯一下。
https://chat.pageindex.ai
PageIndex Chat
Source: https://chat.pageindex.ai/ PDF758Pages
Pattern Recognition and Machine Learning
This document is a comprehensive textbook on pattern recognition and machine learning, covering foundational concepts, various models including linear, kernel, neural network, graphical, mixture, sampling, and sequential models, along with approximate inference techniques and appendices on mathematical topics.
How does Bayesian inference prevent overfitting?
Which page introduces the EM algorithm?
相似文章
@pritipatelor：整个 RAG 行业即将被彻底颠覆 研究人员推出一种全新的 RAG 方案，几乎绕过了传统 RAG 所依赖的一切……
研究人员推出名为 PageIndex 的全新 RAG 方案，无需向量数据库、嵌入或分块，而是构建树状索引让大模型像人类读书一样检索，在 FinanceBench 上以 98.7% 的准确率超越所有向量 RAG 方法，且完全免费开源。
@0x0SojalSec：无向量、基于推理的RAG的文档索引——无需向量数据库构建RAG。该开源库使用文档树...
PageIndex 是一个用于无向量、基于推理的RAG的开源库，它使用层次化文档树而非嵌入向量，在FinanceBench上达到了98.7%的准确率。它无需向量数据库或分块即可实现上下文感知检索。
@lidangzzz: 我去年就跟你们说，用RAG和vector database一定是死路一条。正确做法是， 1. 正确用好memory； 2. 正确把内容分块，做好indexing，做好summarization； 3. 正确给agent提供search工具…
作者批评RAG和向量数据库的方法，提出正确的做法包括用好memory、分块和索引、摘要、为agent提供搜索工具，以及使用SRAM-only推理服务如Groq和Cerebras。
@oliviscusAI: 整个RAG行业即将被颠覆。研究人员开发了一种新的RAG方法，几乎绕过了所有...
研究人员引入了PageIndex，一种新颖的RAG方法，消除了对向量数据库、嵌入和分块的依赖，在FinanceBench上达到98.7%的准确率，优于现有方法，且免费开源。
RIT-RAG：利用检索诱导树导航文档语料库
RIT-RAG 提出一种结合内容检索与结构导航的检索增强生成方法：离线为每个文档从目录或站点地图构建树结构，查询时通过检索到的 chunk 位置归纳出可管理的子树，由 LLM 智能体导航并选择性阅读节点。在多个基准上超越现有方法，在其提出的 EntQABench 上较最强基线提升 6.8–11.4 个百分点。