RAG的根源可追溯至2000年初的信息检索研究，而非LLM

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 →

• Agentic RAG
• alphaXiv
• arXiv
• DagsHub
• Hugging Face
• information retrieval
• large language models
• Question Answering
• retrieval-augmented generation

• 论文
• 其他

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