纠正性RAG（CRAG）是一种新的检索增强生成（RAG）方法，它解决了模型自信地从不相关或错误检索信息中回答问题的难题。CRAG引入了一个自我检查机制，首先评估检索到的文档的相关性。如果文档被认为不正确，CRAG会在生成响应之前触发网络搜索以获取更准确的信息。这种精炼过程确保模型在相关上下文上运行，从而减少幻觉并提高答案质量。 AI
影响 通过减少幻觉和提高答案准确性，增强了检索增强生成系统的可靠性。
排序理由 这描述了一种改进现有AI系统的新技术或框架，而不是核心模型发布或研究突破。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<p>Plain RAG has a fatal flaw: if retrieval returns garbage, the model confidently answers from garbage. <strong>Corrective RAG (CRAG)</strong> adds a self-check — grade the retrieved docs, and if they're bad, fix course before answering.</p> <p>🔧 <strong>Run the pipeline:</stron…