English(EN) Forgotten History or Test-of-Time? Retrospect and Prospect on RAG from an IR Perspective

RAG的根源可追溯至2000年初的信息检索研究，而非LLM

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-11 04:00

一篇新论文认为，检索增强生成（RAG），常被视为一种新颖的LLM范式，实际上深深植根于早期信息检索和问答研究。作者将RAG的核心概念，如检索与生成的集成以及迭代查询优化，追溯到2000年初的工作。他们认为，社区碎片化和术语变化导致了这种历史连续性被忽视，并建议将LLM视为建立在既有问答架构之上的接口层。这种重构可以通过利用用户建模和答案验证等领域未被充分利用的先前工作，为未来的RAG设计提供信息。 AI

影响重构了RAG的起源，可能为下一代AI设计解锁未被充分利用的先前工作。

排序理由该集群包含一篇在arXiv上发表的学术论文，讨论了研究概念的历史起源。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇在arXiv上发表的学术论文，讨论了研究概念的历史起源。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 58 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xiaoyan Zhao, Yujie Cai, Yang Zhang, Grace Hui Yang, Tat-Seng Chua · 2026-08-11 04:00

被遗忘的历史还是经受时间考验？从信息检索视角看 RAG 的回顾与展望

arXiv:2608.08445v1 Announce Type: new Abstract: Retrieval-Augmented Generation (RAG) is widely regarded as a novel paradigm born from the limitations of large language models (LLMs)--a mechanism to ground their outputs in external knowledge. This view, however, is incomplete when…

本文如何被排名

报道来源 [1]

被遗忘的历史还是经受时间考验？从信息检索视角看 RAG 的回顾与展望

相关实体

相关话题