arXiv · cs.AI· Meghana Sunil, Shravya V, Shravan Venkatraman, Joe Dhanith PR·· 2 天前
重新思考用于生成的知识检索：RAG架构与应用综述
Rethinking Knowledge Retrieval for Generation: A Survey on RAG Architectures and Applications
arXiv:2610.01936v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Meghana Sunil, Shravya V, Shravan Venkatraman, Joe Dhanith PR
研究任务与主要进展
该综述梳理了检索增强生成（RAG）在LLM系统中的模块化范式。论文将RAG分为检索、生成、增强三个基础组件，评述稠密与稀疏检索器、融合策略、嵌入优化及强化学习检索策略，并按效率、安全、用户中心交互和复杂推理分类创新；还回顾Naïve RAG、Advanced RAG、Modular RAG、评测协议与领域应用，指出现存挑战和未来方向。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org