标签
介绍康奈尔大学与 ASAPP 的 DecisionRAG 论文：用决策模型（如 Jev 1.13）在文档树上导航取代向量相似度检索，实现 retriever-free RAG，在 Natural Questions 上 top-1 命中率达 65.4%，优于 embedding 检索加 8B reranker 的 48.0% 和 GPT-5 reranking 的 60.8%。
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。
Mistral推出了Agentic Search，这是一种多步检索循环，能提高AI系统在浏览复杂文档时的准确性和效率，与传统的RAG方法相比，降低了延迟和token使用量。