Paper: Retrieval-Augmented Generation for Large Language Models: A Survey
一句话概括
该综述全面梳理了RAG技术的发展脉络，将RAG系统分为朴素RAG、高级RAG和模块化RAG三个演进阶段。
核心思想
将RAG的发展分为三个范式：朴素RAG（简单的检索-拼接-生成流程）、高级RAG（加入预检索和后检索优化如查询改写、重排序等）、模块化RAG（将RAG分解为可组合的模块如路由、融合、迭代等）。系统分析了每个阶段的关键技术、优缺点和适用场景。
关键创新
首次系统化地将RAG发展分为三个范式阶段；全面整理了检索、增强和生成各环节的技术方法；梳理了RAG与微调的关系和互补性；总结了评估方法和未来发展方向。
深远影响
该综述成为RAG领域引用最多的参考文献之一，为研究者和实践者提供了清晰的技术路线图。其三阶段分类被广泛采用，成为理解RAG系统的标准框架。
启发与思考
综述揭示了RAG正从简单的检索-生成管道发展为复杂的模块化系统。对实践者而言，不应满足于朴素RAG，而应根据具体需求组合使用查询优化、检索增强、结果精炼等高级策略。