@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...

X AI KOLs Timeline 论文
rag retrieval-augmented-generation research open-source tree-index finance-benchmark

摘要

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。

整个RAG行业即将被颠覆。 研究人员开发了一种新的RAG方法，几乎绕过了传统RAG所依赖的所有东西。 - 没有向量数据库 - 没有数据嵌入 - 没有分块 - 没有相似度搜索 它被称为PageIndex。 它不是将文档分割成块并加载到Pinecone中，而是创建了一个树索引，让LLM像人类阅读书籍一样进行推理。 在FinanceBench上达到98.7%。超越了排行榜上的每一个向量RAG。 100%免费。开源。
查看原文
查看缓存全文

缓存时间: 2026/09/29 01:44

整个RAG行业即将被颠覆。

研究人员开发了一种新型RAG方法，几乎绕过了传统RAG依赖的所有环节：

  • 无需向量数据库
  • 无需数据嵌入
  • 无需分块处理
  • 无需相似性搜索

该方法名为PageIndex。

它不再将文档分割成片段载入Pinecone，而是构建树状索引，使大语言模型能像人类阅读书籍那样进行推理。

在FinanceBench上达到98.7%准确率，性能超越排行榜所有向量RAG方案。 完全免费，开源可用。

相似文章

ScalableRAG：零摄入成本的高质量RAG

arXiv cs.AI

本文介绍了ScalableRAG，一种检索增强生成方法，通过基于正则表达式的集合创建和聚合推理，在无需任何摄入成本（无需向量数据库或知识图谱）的情况下实现高准确率。它在多个数据集上优于基线方法，并提出了一个有限摄入变体以进一步提升准确率。