arXiv cs.AI· Emmanuel Igbekele, Olawande Daramola·· 11 小时前AI 评分26
如何刻画与分析 RAG 技术：一个概念框架
Characterising and Analysing Retrieval-Augmented Generation Techniques
AI 导读
研究者提出一个由主维度和子维度构成的概念框架，用于刻画（定义“是什么”）和分析（定义“效果如何”）现有 RAG 技术，框架基于对文献中 RAG 技术属性的定性分析构建。该框架可作为实证基准测试前的筛选机制，帮助研究者和实践者在计算与资金成本高昂的基准评测之前，选出最符合特定用户与任务需求的 RAG 候选方案。
正文 · AI 翻译
摘要：随着大型语言模型（LLM）在众多应用领域的兴起，人们对检索增强生成（RAG）的需求日益增长，以减少幻觉并提升 LLM 的性能。迄今为止，文献中已提出了若干具有出色特性和能力的 RAG 技术，这使得针对特定问题场景选择最合适的 RAG 技术成为一项艰巨的任务。因此，我们提出了一个概念框架，包含用于表征（定义“它是什么”）和分析（定义“它表现如何”）现有 RAG 技术的主要维度和子维度。该概念框架是通过对文献中报道的 RAG 技术属性进行定性分析而开发的。它可以作为一种前实证筛选机制，供研究人员和实践者在进行 RAG 技术的实证基准测试之前，选择最符合特定用户和任务要求的 RAG 候选方案，而实证基准测试可能在计算和财务上代价高昂。
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| MSC 分类： | 68Txx 68T50 |
| 引用为： | arXiv:2610.23226 [cs.AI] |
| （或 arXiv:2610.23226v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23226 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Olawande Daramola Prof. [查看电子邮件]
[v1]
2026年10月16日星期五 09:55:31 UTC（2,437 KB）
来源：arXiv cs.AI · arxiv.org