retrieval

【爆款长文】RAG检索增强大模型的“记忆力”革命：Contextual Chunk Headers（CCH）实战全解析

今天我们来聊聊RAG（Retrieval-AugmentedGeneration）这个AI圈的“记忆力补脑丸”，以及它最近新晋的“脑白金”——ContextualChunkHeaders（CCH）。

许泽宇的技术分享·2025-06-29 05:37

爆改RAG检索力：三大Query变形术，助你玩转AI知识检索！

你以为RAG（Retrieval-AugmentedGeneration）就是“检索+生成”那么简单？那你可太低估AI界的“内卷”了！

许泽宇的技术分享·2025-06-29 00:30

RAG 调优指南：Spring AI Alibaba 模块化 RAG 原理与使用

>夏冬,SpringAIAlibabaContributorRAG简介什么是RAG（检索增强生成）RAG（RetrievalAugmentedGeneration，检索增强生成）是一种结合信息检索和文本生成的技术范式

ApacheDubbo·2025-06-28 14:40

深入理解RAG：大语言模型时代的知识增强架构

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）技术的出现，为解决这些问题提供了一个优雅而有效的方案。一、为什么需要RAG？

小胡说技书·2025-06-25 23:43

【大模型应用开发动手做AI Agent】RAG和Agent

为了更好地将大模型应用于实际场景，研究者们提出了RetrievalAugmentedGeneration(RAG)和AIAgent等新兴技术。RAG技术将

AI智能应用·2025-06-23 07:45

AI大模型RAG架构详细解析（一）标准RAG、纠正型RAG、推测型RAG、融合型RAG、代理型RAG

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）正是实现这一目标的幕后英雄。

大模型面微调_·2025-06-23 07:41

大模型RAG系统面试题及参考答案

什么是向量检索（denseretrieval）与稀疏检索（sparseretrieval）？举例说明。RAG如何减少“幻觉（hallucination）”？为什么说RAG可

大模型大数据攻城狮·2025-06-22 18:13

Spring Boot + LangChain 构建 RAG 应用

检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索和生成两种关键技术的机器学习方法。这种方法在自然语言处理任务中特别有效，例如对话系统和问答系统。

程序员丸子·2025-06-22 16:05

大模型实战干货：如何基于LangChain 在本地构建一个可运行的 RAG 系统（附完整代码）

什么是RAGRAG（Retrieval-AugmentedGeneration，检索增强生成）是一种将语言模型（如ChatGPT）与外部知识库结合的技术，使其在生成回答时能够调用真实知识来源，而不仅依赖模型本身的参数记忆

勤奋的知更鸟·2025-06-22 16:33

RAG 和微调如何抉择

要选择RAG(Retrieval-AugmentedGeneration)还是微调(Fine-tuning)，或者两者结合，主要取决于如下数据特性应用场景资源限制模型行为的控制需求RAGvs.微调：如何选择

成都犀牛·2025-06-22 14:20

互联网大厂Java求职面试：AI与大模型技术下的RAG系统架构设计与性能优化

今天我们将围绕一个非常前沿的场景——基于RAG（Retrieval-AugmentedGeneration）系统的架构设计与性能优化进行深入探讨。

在未来等你·2025-06-22 03:37

Retrieval-based-Voice-Conversion-WebUI 使用指南

Retrieval-based-Voice-Conversion-WebUI使用指南Retrieval-based-Voice-Conversion-WebUIEasilytrainagoodVCmodelwithvoicedata

邢琛高·2025-06-19 19:21

Retrieval-Based Voice Conversion WebUI 教程

Retrieval-BasedVoiceConversionWebUI教程项目地址:https://gitcode.com/gh_mirrors/re/Retrieval-based-Voice-Conversion-WebUI1

蒋荔卿Lorelei·2025-06-19 19:21

在ubuntu22.04上部署RagFlow一个深度文档理解的开源 RAG

RAGFlow是一个基于深度文档理解的开源RAG（Retrieval-AugmentedGeneration）引擎。

BBM的开源HUB·2025-06-19 08:31

大模型RAG高阶面试指南：第一章：RAG绪论

第一章：RAG绪论1.1RAG的定义、背景与核心思想检索增强生成（RetrievalAugmentedGeneration，简称RAG）是一种结合了信息检索和文本生成的人工智能技术。

强化学习曾小健3·2025-06-18 15:38

【AI论文精读3】RAG论文综述1-P3-检索器

3.1.检索源RAG依赖外部知识来增强LLM，而检索源（RetrievalSource）的类型（数据结构）和检索单元的粒度都会影响最终的生成结果。3.1.1.数据结构1.非结构化数

AI完全体·2025-06-18 15:07

Follow My Instruction and Spill the Beans: Scalable Data Extraction from Retrieval-Augmented Generat

iclr20255688检索增强生成（Retrieval-AugmentedGeneration,RAG）通过在测试阶段引入外部知识，提升了预训练模型的能力，实现了定制化适应。

UQI-LIUWJ·2025-06-18 11:10

实现RAG融合以提升信息检索精准度

RAG（Retrieval-AugmentedGeneration）融合就是一种创新的解决方案。本文将介绍RAG融合的技术背景、核心原理，并提供多个代码片段，展示如何使用这一技术进行信息检索。

zbb258·2025-06-18 10:02

从ConversationalRetrievalChain迁移到LCEL：代码实现与优势解析

技术背景介绍ConversationalRetrievalChain是一种结合检索增强生成和聊天历史的解决方案，允许用户与文档进行“对话”。

·2025-06-18 10:27

Grounding Language Model with Chunking‑Free In‑Context Retrieval (CFIC)

一读即懂这篇ACL2024文章介绍了CFIC，一种新的无块文档上下文检索方法，用于提升Retrieval‑Augmented Generation（RAG）任务的“证据定位”能力。问题是什么？

steven~~~·2025-06-17 22:43

论文精读：Hypercube-RAG: Hypercube-Based Retrieval-Augmented Generation for In-domain Scientific Question

研究背景研究问题：这篇文章要解决的问题是如何在领域特定的科学问答任务中，利用外部知识提高大型语言模型（LLMs）的准确性和效率。具体来说，传统的基于语义相似性的检索增强生成（RAG）方法在处理领域知识密集型任务时，难以返回简洁且高度相关的信息。研究难点：该问题的研究难点包括：如何在领域特定的任务中实现高效且准确的检索；如何在检索过程中提供可解释性；如何在保持高效的同时提高模型的准确性。相关工作：该

大数据AI-ZRL·2025-06-16 20:18

使用Elasticsearch实现高效的RAG系统:原理、实现与最佳实践

标题:使用Elasticsearch实现高效的RAG系统:原理、实现与最佳实践内容:使用Elasticsearch实现高效的RAG系统:原理、实现与最佳实践1.引言检索增强生成(Retrieval-AugmentedGeneration

llzwxh888·2025-06-16 02:50

Langchain学习笔记(五)：检索增强生成(RAG)基础原理

一.RAG系统的基本原理与架构检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索系统和生成式AI的混合架构，旨在解决大语言模型(LLM)的知识时效性和幻觉问题

zhangsan0933·2025-06-16 01:09

论文略读：The Power of Noise: Redefining Retrieval for RAG Systems

省流：在RAG中，噪声文档不仅没有对系统性能造成负面影响，反而能够显著提高系统的准确性1检索文档类型分类相关文档包含直接与查询相关的信息，提供直接回答或解释查询的标准数据。相关但不包含答案文档虽然没有直接回答查询，但在语义上或背景上与主题相关联。例如，如果有人问拿破仑的马的颜色，一份表述拿破仑妻子马的颜色的文档，虽然不包含正确信息，但与之高度相关。不相关文档与查询无关，代表了检索过程中的一种信息噪

UQI-LIUWJ·2025-06-15 10:01

基于深度学习的文本检索

基于深度学习的文本检索文本检索（TextRetrieval）是指在大量文本数据中，根据用户的查询文本找到相关文档。基于深度学习的方法通过提取文本的高层次语义特征，实现了高效和准确的文本检索。

SEU-WYL·2025-06-13 22:29

大模型现在用的最多其次是预训练模型,大模型用于rag agent 预训练模型用于微调任务

RAG（Retrieval-Augmented

MYH516·2025-06-13 21:52

多模态大语言模型arxiv论文略读（117）

Training-freeZero-shotComposedImageRetrievalviaWeightedModalityFusionandSimilarity➡️论文标题：Training-freeZero-shotComposedImageRetrievalviaWeightedModalityFusionandSimilarity

胖头鱼爱算法·2025-06-13 15:42

RAG：2025年检索增强生成前沿技术完全指南

一、RAG技术的核心突破与行业影响在生成式人工智能爆发的今天，检索增强生成（Retrieval-AugmentedGeneration,RAG）正以其独特的技术架构，成为连接静态知识库与动态生成能力的桥梁

大模型之路·2025-06-13 11:18

用于树组织检索的递归抽象处理代码详解

用于树组织检索的递归抽象处理RAPTOR:RECURSIVEABSTRACTIVEPROCESSINGFORTREE-ORGANIZEDRETRIEVALRaptorgitee地址：lengyanju8

堂堂客·2025-06-13 05:31

【大模型应用笔记】检索增强生成（RAG）是什么？

基础介绍RAG(RetrievalAugmentedGeneration)（检索增强生成）：给模型配备一个"外部记忆库"，类比于像给秘书配备了一个随时可查的资料库。

·2025-06-13 02:12

大模型笔记_模型微调 vs RAG

1.模型微调与RAG介绍模型微调（Fine-tuning）：大模型笔记_模型微调-CSDN博客检索增强生成RAG（Retrieval-AugmentedGeneration）：大模型笔记_检索增强生成(

饕餮争锋·2025-06-13 02:12

大模型笔记：RAG（Retrieval Augmented Generation,检索增强生成）

1大模型知识更新的困境大模型的知识更新是很困难的，主要原因在于：训练数据集固定,一旦训练完成就很难再通过继续训练来更新其知识参数量巨大,随时进行fine-tuning需要消耗大量的资源，并且需要相当长的时间LLM的知识是编码在数百亿个参数中的,无法直接查询或编辑其中的知识图谱——>LLM的知识具有静态、封闭和有限的特点。——>为了赋予LLM持续学习和获取新知识的能力,RAG应运而生2RAG介绍这是

·2025-06-13 02:11

论文阅读：Enhancing Retrieval and Managing Retrieval: A Four-Module Synergy for Improved Quality and Ef

检索增强生成（RAG）技术利用大型语言模型（LLM）的上下文学习能力，生成更准确、更相关的响应。RAG框架起源于简单的“检索-阅读”方法，现已发展成为高度灵活的模块化范式。其中一个关键组件——查询重写模块，通过生成搜索友好的查询来增强知识检索。这种方法能使输入问题与知识库更紧密地结合起来。作者的研究发现了将QueryRewriter模块增强为QueryRewriter+的机会，即通过生成多个查询来

clvsit·2025-06-12 17:04

CON:Chain-of-Note: Enhancing Robustness in Retrieval-Augmented Language Models 论文解读

目前RALM主要存在两个问题：搜索结果误导性：搜索结果依赖其召回和排序，所以不一定和问题相关，不相关的结果融合到大模型中会给大模型带来误导导致错误的答案（甚至有的时候大模型依靠内部记忆能够正确回答）；回复幻觉问题：针对无法回答的问题（不管是搜索结果还是内部记忆），大模型有时也会一本正经的胡说八道。本篇paperCON（Chain-of-Note）主要就是解决上面两个问题：如下图所示，有三种情况搜索

亦万·2025-06-12 17:29

企业级RAG系统架构设计与实现指南（基于Java技术栈）

为了解决这一问题，检索增强生成（Retrieval-AugmentedGenera

在未来等你·2025-06-12 04:54

RAG 文档解析难点1：多栏布局的 PDF 如何解析

写在前面在构建检索增强生成(Retrieval-AugmentedGeneration,RAG)应用时，高质量的数据源是成功的基石。PDF作为一种广泛使用的文档格式，承载着海量的知识。

kakaZhui·2025-06-12 02:23

检索增强生成（RAG）技术深度解析：从原理到实践

检索增强生成（Retrieval-AugmentedGeneration，RAG）技术应运而生，旨在通过无缝集成外部数据源，提升生成模型的准确性和可靠性。1.2核心定义RAG是一种将信息检

编程巫师·2025-06-11 17:43

RAG是什么？手把手教你从零构建RAG系统全面指南（含代码）

检索增强生成（Retrieval-AugmentedGeneration，RAG）应运而生，这一创新性方法通过将大语言模型与外部知识源相结合，有效提升了其性能。

大模型研究院·2025-06-11 10:23

使用langchain搭建本地知识库系统(新)_

什么是RAGRAG是retrieval-augmented-generation的缩写，翻译为中文的意思就检索增强，以基于最新，最准确的数据建立LLM的语料知识库。

·2025-06-09 23:20

LangChain 中的文档加载器（Loader）与文本切分器（Splitter）详解《一》

Splitter）详解——从入门到实战，构建你的知识库预处理系统作者：zgw时间：2025/4标签：LangChain、LLM、RAG、AIAgent、文档处理一、前言随着大语言模型（LLM）在RAG（Retrieval-AugmentedGeneration

要努力啊啊啊·2025-06-09 19:55

【RAG召回优化】rag召回阶段方法探讨

提升检索增强生成（RAG）系统召回率：技术、权衡与实践洞察I.引言RAG效能中召回率的关键作用检索增强生成（Retrieval-AugmentedGeneration,RAG）通过整合外部知识库信息来增强大型语言模型

weixin_37763484·2025-06-09 00:36

论文解读：Aging with GRACE: Lifelong Model Editing with Discrete Key-Value Adapters

当前的模型编辑器会因多次编辑损害模型性能，提出用于连续编辑的通用检索适配器(GeneralRetrievalAdaptersforContinualEditing,GRACE)：使用一个类似字典的结构(

cnblogs.com/qizhou/·2025-06-08 17:20

LightRag的兄弟项目VideoRag系统分析

1项目简介开源项目地址GitHub-HKUDS/VideoRAG:"VideoRAG:Retrieval-AugmentedGenerationwithExtremeLong-ContextVideos

·2025-06-07 10:47

RAG基础知识概述

RAG（Retrieval-AugmentedGeneration）是一种自然语言处理模型架构，旨在结合检索和生成两个关键的NLP（NaturalLanguageProcessing）任务。

原味奶茶_三分甜·2025-06-06 22:53

RAG（Retrieval-Augmented Generation，检索增强生成）

一、核心概念与定位RAG是一种将检索（Retrieval）与生成（Generation）相结合的架构，旨在解决传统语言模型（如GPT系列）在处理需要外部知识的任务时的局限性。

allein_STR·2025-06-06 17:45

小智医疗——总结

LangChain4j【1.0.0-beta4】基于LangChain4j实现聊天助手智能体后端服务聊天记忆隔离基于MongoDB实现聊天信息持久化基于FunctionCalling调用自定义业务逻辑支持RAG（Retrieval-AugmentedGeneration

松树戈·2025-06-05 22:14

weixin_37763484·2025-06-05 06:48

RAG优化知识库检索（3）：向量化模型选择与优化

引言在检索增强生成（Retrieval-AugmentedGeneration，RAG）系统中，向量化模型（嵌入模型）扮演着至关重要的角色。

程序员查理·2025-06-05 06:16

RAG架构中用到的模型学习思考

前言RAG（Retrieval-AugmentedGeneration，检索增强生成）架构结合了检索和生成能力，通过引入外部知识库来提升大语言模型（LLM）的回答准确性和可靠性。

勤奋的知更鸟·2025-06-05 05:40

GC-QA-RAG 智能问答系统的向量检索

1.检索流程概述系统采用典型的RAG（Retrieval-AugmentedGeneration）三阶段架构，检索阶段的目标是：在用户提问时，结合关键词与语义理解，快速定位最相关的知识点，为后续生成高质量答案提供支撑

·2025-06-04 11:38

推荐频道