标签
来自MachineLearningMastery的一篇教育性文章，涵盖了RAG流水线的七种分块策略，从固定大小令牌分块到高级语义和层次化方法，并提供了每种策略的适用场景指导。
Introduces Synthetic Query Probing (SQP), a reference-free method for learning mappings between similarity score distributions across embedding models, enabling threshold portability in RAG systems. Experiments show systematic score distortions and isotonic regression as the best calibration approach.
本文研究了使用检索到的文档简化示例来引导大语言模型进行文档级文本简化，在OneStopEnglish语料库上展示了相比仅使用提示生成的改进效果。
本文对英语来源多语言RAG在五种查询语言下的隐私风险进行了审计，检验非英语查询是否会加剧PII泄漏。通过使用Qwen2.5-7B流水线和两阶段防御，研究发现，在仅进行输出过滤时，英语的点估计泄漏率最高；而在加入输入判别器后，阿拉伯语和斯瓦希里语仍存在残余泄漏。
本文比较了将冻结LLM（Qwen2.5-32B-Instruct）接地到污水处理模拟器以进行因果问答的三种方法，包括实时工具使用、结构化参数注入和小型解耦检索模型，实现了高准确率和跨厂迁移。
This paper introduces D2F-ReAG, a novel paradigm for multi-hop reasoning-augmented generation that dynamically controls reasoning depth by judging root-level reasoning reliability and decomposing questions into sub-questions when needed, improving accuracy on multi-hop benchmarks.
本文从计算角度研究双关语翻译，将其视为一个发现、探索和选择的过程，使用基于图的可供性检索和多评估器排序。作者表明，成功的双关语翻译依赖于在目标语言中发现新的音义碰撞，而非保留源语言词汇。
科普了RAG技术从2020年基础RAG到2025-2026年自主智能体+强化学习的演进路径，涵盖检索精度提升、反思纠偏、图谱增强、路由优化与Agentic RAG等方向，并总结了各阶段代表性工作与痛点。
文章讨论了从提示工程向上下文工程的转变，后者被视为AI招聘中的下一个关键挑战，强调需要能够围绕AI模型和智能体设计环境与数据上下文专业人士。
本文介绍了对 NVIDIA 的 Nemotron 检索栈进行的端到端适配，使其适用于现代希腊语，包括新基准 HERA，以及在专业领域针对检索、重排序和有依据的生成进行微调的模型。
一位实践者认为RAG不再是企业AI的自动化解决方案，指出许多问题实际上是数据卫生或结构化查询问题，而带有工具使用的智能体往往更好。
RAGOCR 是一种新颖框架，根据输入查询将检索到的文档压缩为紧凑的视觉表示，并利用查询感知的动态分辨率来平衡压缩率与信息保真度。实验表明，其在仅使用八分之一输入 token 的情况下，准确率比朴素 RAG 高出 15% 以上。
本文介绍了SANE，一种用于检索增强生成的轻量级插件，通过基于摘要选择最佳候选者并执行蓝图引导的查询时证据提取，同时改进检索和阅读。
本文表明，逐块验证在多跳RAG中会失败，因为没有任何单个块是充分的，并提出基于分解的验证方法来修复这一问题，在多个数据集上展示了显著改进。
UEmbed 是一个仅解码器的多模态嵌入模型，能够在一次前向传播中同时生成稀疏和稠密表示，已发布 2B、4B 和 9B 三种规模。它在 MMEB-v2 上优于现有基于公开数据训练的多模态嵌入模型，并在 BEIR 上保持竞争力。
介绍了B1ade，一种极简RAG架构，包含一个335M零训练嵌入模型和一个通过GRPO在723M tokens上训练的1B小型语言模型，展示了涌现归因行为，无需大规模预训练即可获得具有竞争力的问答性能。
GuidedRAG is a research paper proposing a novel RAG extension that adds a semantics-based selection stage before retrieval, improving retrieval relevance and reducing overhead across diverse RAG variants.
RAG-HAR+ 是RAG-HAR的一种检索优先、成本优化的扩展，用于从可穿戴传感器进行人体活动识别。它利用检索设计器代理和多数投票机制，在降低LLM使用量的同时保持准确率，并展示了边缘部署的可行性。
本文通过控制变量，对词汇型、密集向量型、图基型和智能体型RAG范式在从1,000到512,000篇文档的语料规模范围内进行了规模化比较研究。研究发现BM25在准确性与成本之间取得了最佳平衡，而图基型RAG面临高昂的构建成本，限制了其扩展性。
介绍CMT-RAG，一种用于多轮多跳对话式RAG的互补记忆框架，通过子问题级推理轨迹将对话记忆与检索对齐。同时提出了MuMu-QA，一个具有跨轮子问题依赖关系的基准测试。