表征与分析检索增强生成技术

大型语言模型（LLMs）在众多应用领域的兴起，增加了对检索增强生成（RAG）的需求，以减少幻觉并提升LLM的性能。迄今为止，文献中已提出多种具有出色特性和能力的RAG技术，使得针对特定问题场景选择最合适的RAG技术成为一项艰巨任务。因此，我们提出了一个概念框架，该框架由主要维度和子维度构成，用于表征（定义“它是什么”）和分析（定义“它表现如何”）现有的RAG技术。该概念框架通过对文献中所报告的RAG技术属性进行定性分析而构建。对于研究人员和从业者而言，在对RAG技术进行实证基准测试之前，该框架可作为一种预实证筛选机制，用于选择最符合特定用户和任务需求的RAG候选方案，因为RAG技术的实证基准测试可能在计算和财务方面代价高昂。