檢索增強生成最新動態
RAG 是企業把大模型用到自有數據上的主流路徑。這裡追蹤相關技術、工具與落地經驗。
124 篇文章
何時該使用 GraphRAG 而非傳統向量 RAG？
GraphRAG 透過知識圖譜連結分散的數據點，解決了傳統向量 RAG 的局限性。雖然它在處理全局查詢與複雜推理時表現優異，但相比單純的相似度搜尋，它需要更高的運算成本。
VultronRetriever：高效能離線檢索模型系列發布
VultronRetriever 模型系列已於 HuggingFace 發布，為邊緣裝置提供頂尖的檢索效能。此系列模型參數規模從 0.8B 到 8B 不等，專為離線問答與文件嵌入進行了優化。
大廠搶灘 AI 高考志願填報市場
阿里巴巴、騰訊與百度等大型科技公司正部署 AI Agent，以填補高考志願填報的市場空白，旨在透過數據驅動的演算法取代人類專家。
Snowflake 受惠於 AI 數據需求，上調財測
Snowflake Inc. 上調了年度產品銷售展望，理由是 AI 時代對其數據軟體的強勁需求。消息公布後，該公司股價大幅上漲。
AI 鍵值記憶與大腦記憶邏輯的驚人相似性
2025年發表於《Neuron》的研究顯示，AI的鍵值記憶架構與人類大腦的記憶邏輯高度相似，特別是大腦海馬體與新皮層之間的分工。
EU AI Act OpenRAG：用於 RAG 的結構化法律語料庫
一個全新的 EU AI Act 可下載語料庫，包含 933 個結構化法律區塊與 BGE-M3 嵌入，並整合於單一 SQLite 檔案中。該語料庫透過法律條文結構而非隨機字元視窗進行切分，顯著提升了檢索效能。
HG-RAG：用於結構化知識圖譜的層級引導檢索增強生成
HG-RAG 是一個新的框架，透過遍歷層級化知識圖譜而非平面文件儲存，提升了 RAG 的效能。它使 LLM 能夠進行更好的關聯與多跳推理，同時減少幻覺。
CLaRa：透過連續潛在推理連結檢索與生成
Apple 研究人員推出了 CLaRa，這是一個透過連續潛在推理整合檢索與生成的框架。它利用基於嵌入的壓縮技術來減少文件長度，同時為 LLM 保持語義豐富度。
騰訊雲大幅調降 MetaInsight 智能檢索產品價格
騰訊雲宣布將於 2026 年 7 月大幅調降 MetaInsight 智能檢索服務的計費價格。標量檢索、混合檢索及存儲費用均有顯著下調，旨在提升產品競爭力與普及度。
AI 競爭趨勢：模型強度與上下文窗口
AI 領域正迅速發展，一個顯著的趨勢是模型能力的增強伴隨著更短、更高效的上下文窗口。這種轉變影響了開發者處理長上下文任務的方式。
用於驗證文獻綜述的多代理框架
研究人員提出了一種基於 CrewAI 的四代理框架，旨在解決系統性文獻綜述中 LLM 產生幻覺的問題。該系統利用角色分工與置信度門控的引用驗證層，確保聲明層級的準確性。
57% 的企業回報 AI 代理出現自信但錯誤的回答
VentureBeat 的調查顯示，57% 的企業曾遭遇 AI 代理因上下文管理不當，而自信地提供錯誤資訊。研究指出，僅依賴簡單的文件檢索已不足夠，這促使企業轉向採用受控的上下文層（governed context layers）。
Context Graphs：賦能主動式企業 AI 代理
本研究介紹了「Context Graphs」，這是一種關聯式資料結構，使企業 AI 代理能從被動的查詢模式轉向主動通知系統。透過即時監控狀態變化，該框架顯著縮短了向員工提供可執行洞察所需的時間。
大型行為模型：零售客戶的可提示數位孿生
研究人員推出了大型行為模型 (LBM)，該模型利用交易歷史和檢索增強生成來模擬客戶決策。它在購物籃完成和促銷響應等零售特定任務中，表現優於通用型大型語言模型。
RAG 對於提升本地 LLM 技術問答準確度至關重要
開發者實驗顯示，本地 LLM 若無 RAG 支援，在回答技術問題時表現不佳，但結合知識庫後效果顯著。該研究測試了包括 Apple Intelligence 和 Qwen 在內的多種模型，證實了上下文注入的有效性。
Prompt-to-Paper：用於生物資訊學自動化研究的 Agentic AI
Prompt-to-Paper 是一個多代理系統，旨在透過將論點建立在可驗證的文獻上並執行真實的計算實驗，來實現科學手稿的自動化生成。它具備品質驅動的改進循環，能顯著提升手稿的嚴謹度與可重現性。
Narrative World Model 提升長篇小說記憶能力
Narrative World Model (NWM) 引入了基於敘事學的時間狀態圖，協助 AI 追蹤長篇小說中複雜的故事情節。在多跳敘事推理任務中，其表現顯著優於現有的代理記憶框架（如 Graphiti/Zep）。
騰訊混元 3 正式版表現強勁
騰訊混元 3 正式版獲得高分評價，其搜索能力已追平 GPT-5.5 標準。此次更新同時將幻覺率降低了 50%。
TRACE：用於 LLM 代理的開源層級記憶系統
TRACE 引入了一種用於 LLM 代理記憶的層級主題樹結構，在 EventQA 基準測試中顯著優於 Mem0 和 MemGPT 等現有解決方案。它為管理長期對話歷史提供了一種比扁平化 RAG 區塊更高效的替代方案。
Competence Gate：透過模型內部信心訊號控管工具使用
Competence Gate 是一個為 Qwen3.5-4B 設計的 10MB LoRA 適配器，透過讀取模型內部激活訊號來決定直接回答、網路搜尋或檢索本地文件。它能有效減少幻覺並防止隱私資料外洩，透過驗證後的信心程度而非模型口頭聲稱來控管工具使用。
BaryGraph：以嵌入式文件作為關係的知識圖譜
BaryGraph 引入了一種創新的知識圖譜架構，將關係視為具有獨立向量的一等公民文件，而非單純的邊。這種方法能發現那些在標準嵌入空間中缺乏語義相似性，但在結構上具有關聯的概念。
Trunk Tools 利用專用 AI 架構大幅縮短文件審閱時間
Trunk Tools 以專用的三層架構取代通用型 LLM，以處理複雜的建築工程文件。透過專注於領域特定的推理能力，該公司將文件審閱週期從 60 天縮短至 10 天。
用於迭代提示優化的對比反思框架
Contrastive Reflection 是一個透過識別錯誤行為片段並利用 Teacher LLM 提出針對性修改，進而優化 LLM 提示詞的新框架。此方法在 HotpotQA 基準測試中顯著優於隨機證據選擇，並達到了業界領先的效能。
ToE：用於可解釋 AI 事實查核的階層式框架
ToE (Tree of Evidence) 是一個將聲明建模為動態論證樹的新框架，旨在提升自動化事實查核能力。它利用強化學習驅動的檢索與證據聚合技術，以對抗 AI 生成的錯誤資訊與 GEO 毒化攻擊。
MKG-RAG-Bench：多模態知識圖譜檢索的新基準測試
MKG-RAG-Bench 是一個全新的跨領域基準測試，旨在評估多模態知識圖譜增強生成（MKG-RAG）中的檢索效能。它透過提供經過策劃的數據集來測試檢索與下游生成品質，解決了異質數據對齊這一關鍵瓶頸。
MRAgent 框架大幅降低代理記憶體的 Token 消耗
新加坡國立大學的研究人員開發了 MRAgent，這是一個以主動式、多步驟記憶重構取代靜態檢索的框架。與 LangMem 等傳統代理記憶系統相比，此方法顯著降低了 Token 消耗與運行成本。
全新 OCR Hub 整合基準測試與開源模型資源
Papers with Code 推出 OCR 集中化平台，收錄 Chandra OCR 2 與 Mistral OCR v4 等頂尖模型。該平台提供關鍵基準測試與程式碼連結，協助開發者在快速發展的文件數位化工具領域中進行選擇。
通義千問助力高考志願填報，用戶數突破 1400 萬
阿里巴巴旗下的通義千問已成為高考考生熱門工具，超過 1400 萬用戶使用該模型生成個人化志願填報報告。
HyperspaceDB v3.1.0：高效能空間 AI 引擎正式發布
HyperspaceDB v3.1.0 推出了一款空間 AI 引擎，旨在將記憶體佔用量比 Milvus 或 Chroma 減少 50 倍。它利用 Matryoshka 表示學習與 Lorentz 幾何來處理複雜的層級推理。
Google AI Overviews 誤將同人小說內容視為事實
據報導，Google 的 AI Overviews 將 SCP Foundation（一個協作式同人小說項目）的條目呈現為真實記錄。這凸顯了 AI 在幻覺問題與來源驗證方面面臨的持續挑戰。