Paper: Corrective Retrieval Augmented Generation (CRAG)
一句话概括
CRAG通过轻量级检索评估器判断检索文档的质量，对低质量检索结果进行纠正性处理，包括触发网络搜索作为补充知识源。
核心思想
设计一个检索评估器对检索到的文档进行置信度评估，根据评估结果采取三种策略：置信度高时直接使用检索文档；置信度低时触发网络搜索获取补充信息；置信度模糊时结合两者。同时使用知识精炼操作去除检索文档中的无关信息。
关键创新
提出检索结果的三级置信度评估框架；引入网络搜索作为检索失败时的备选方案；知识精炼操作提取文档中的关键信息片段；即插即用的设计可与各种RAG系统兼容。
深远影响
CRAG关注了RAG系统中常被忽视的检索质量问题，推动了社区对检索结果可靠性的重视。其纠正式方法为构建鲁棒的RAG系统提供了实用方案。
启发与思考
CRAG提醒我们，RAG系统的薄弱环节往往在检索质量上。与其盲目信任检索结果，不如建立评估和纠正机制。多源信息融合（本地知识库加网络搜索）也是提升系统鲁棒性的有效策略。