技术
Retrieval-Augmented（检索增强）
Retrieval-Augmented 指结合检索与生成的方法，通过从外部知识库检索相关信息来增强语言模型的生成能力，解决模型知识陈旧和幻觉问题。典型代表是 RAG（Retrieval-Augmented Generation）。
详细解释
Retrieval-Augmented Generation (RAG) 由 Facebook AI 于 2020 年提出，将预训练参数记忆与外部非参数记忆结合。系统包括检索器（如 DPR）和生成器（如 BART）。检索器从维基百科等知识库找到相关段落，生成器基于这些段落产生回答。RAG 提高了事实准确性，并允许知识更新而无需重新训练。后续工作如 REALM、FiD 和 Atlas 进一步优化了检索与生成的联合训练。
别名与相关写法
retrieval-augmented
相关术语
相关公司
相关资讯
ISO-RAG：等周噪声控制的检索增强生成2026/9/2
GraphRAG-LTM：图检索增强生成攻击的分层威胁建模框架2026/10/15
SRAT：选择性检索增强机器翻译的智能体强化学习2026/10/15
RAG-Stress 基准揭示检索增强生成易被误导证据带偏2026/10/9
EffiRAG：图结构 RAG 的成本与质量权衡2026/9/17
TrustPropRAG：基于反馈的文档信任传播2026/9/2
MARCA 多智能体框架用于药物警戒因果评估2026/10/27