资源库
RAG 与检索 Papers
面向检索增强生成、稠密检索与知识增强的研究论文。
Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity
Soyeong Jeong, Jinheon Baek 等 · 2024 · NAACL 2024
按问题复杂度自适应选择检索策略，平衡效果与开销。
Command R+: Retrieval-Augmented Generation at Production Scale
Cohere · 2024
Cohere Command R+ 技术介绍，面向生产级检索增强生成。
Corrective Retrieval Augmented Generation
Shi-Qi Yan, Jia-Chen Gu 等 · 2024
通过评估检索质量并触发纠正，降低低质量检索对生成的影响。
CRAG: Comprehensive RAG Benchmark
Xiao Yang, Kai Sun 等 · 2024
提出覆盖多领域的综合 RAG 评测基准 CRAG。
From Local to Global: A Graph RAG Approach to Query-Focused Summarization
Darren Edge, Ha Trinh 等 · 2024
提出 GraphRAG，用知识图谱与社区摘要支持查询聚焦总结。
LongRAG: Enhancing Retrieval-Augmented Generation with Long-context LLMs
Ziyan Jiang, Xueguang Ma, Wenhu Chen · 2024
利用长上下文模型扩大检索单元，简化多跳问答中的检索负担。
M3-Embedding: Multi-Linguality, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation
Jianlv Chen, Shitao Xiao 等 · 2024
提出支持多语言、多功能与多粒度的 M3 文本嵌入模型。
RankRAG: Unifying Context Ranking with Retrieval-Augmented Generation in LLMs
Yue Yu, Wei Ping 等 · 2024
将上下文排序与生成统一到同一 LLM 框架中改进 RAG。
RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval
Parth Sarthi, Salman Abdullah 等 · 2024
用递归摘要构建树状索引，支持不同抽象层次的检索。
Searching for Best Practices in Retrieval-Augmented Generation
Xiaohua Wang, Zhenghua Wang 等 · 2024
系统比较检索增强生成流水线中的常见最佳实践。
Active Retrieval Augmented Generation
Zhengbao Jiang, Frank F. Xu 等 · 2023 · EMNLP 2023
提出 FLARE，按需主动触发检索以支持长文本生成。
In-Context Retrieval-Augmented Language Models
Ori Ram, Yoav Levine 等 · 2023 · TACL
研究在上下文中注入检索文档以增强黑盒语言模型。
Lost in the Middle: How Language Models Use Long Contexts
Nelson F. Liu, Kevin Lin 等 · 2023 · TACL
揭示长上下文模型对中间位置证据利用不足的现象。
Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection
Akari Asai, Zeqiu Wu 等 · 2023 · ICLR 2024
让模型通过自我反思决定何时检索、如何生成并批判输出。
Precise Zero-Shot Dense Retrieval without Relevance Labels
Luyu Gao, Xueguang Ma 等 · 2022
提出 HyDE，用假设文档嵌入实现无相关标注的零样本稠密检索。
Text Embeddings by Weakly-Supervised Contrastive Pre-training
Liang Wang, Nan Yang 等 · 2022
提出 E5 嵌入模型，用弱监督对比预训练提升文本检索质量。
Improving Language Models by Retrieving from Trillions of Tokens
Sebastian Borgeaud, Arthur Mensch 等 · 2021
介绍 RETRO，通过大规模检索增强自回归语言模型。
ColBERT: Efficient and Effective Passage Search via Contextualized Late Interaction over BERT
Omar Khattab, Matei Zaharia · 2020 · SIGIR 2020
提出晚期交互稠密检索，在效果与效率之间取得更好平衡。
Dense Passage Retrieval for Open-Domain Question Answering
Vladimir Karpukhin, Barlas Oguz 等 · 2020 · EMNLP 2020
用双编码器稠密向量检索相关段落，显著提升开放域问答。
REALM: Retrieval-Augmented Language Model Pre-Training
Kelvin Guu, Kenton Lee 等 · 2020 · ICML 2020
在预训练阶段引入可学习检索，增强语言模型世界知识。
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
Patrick Lewis, Ethan Perez 等 · 2020 · NeurIPS 2020
提出检索增强生成框架，将参数化记忆与非参数化检索结合。