2025年，RAG技术到底进化成啥样了？

RAG 技术持续进化，分享一些最新的技术列表如下：

最新RAG技术融合深度分步推理、树状搜索、引用机制、多模态等前沿方法。

1. DeepRAG -> DeepRAG: Thinking to Retrieval Step by Step for Large Language Models (2502.01142)

将检索增强推理建模为马尔可夫决策过程，实现策略性检索。动态决策何时检索外部知识，何时依赖参数化推理。

2. RealRAG -> RealRAG: Retrieval-augmented Realistic Image Generation via Self-reflective Contrastive Learning

通过检索真实图像和自反对比学习填补知识鸿沟，提升新物体生成的逼真度，减少畸变。

3. Chain-of-Retrieval Augmented Generation (CoRAG) ->  Chain-of-Retrieval Augmented Generation (2501.14342)

分步检索并调整信息，动态分配计算资源。必要时重构查询语句。

4. VideoRAG -> VideoRAG: Retrieval-Augmented Generation over Video Corpus (2501.05874)

支持无限长度视频处理，采用双通道架构整合基于图结构的文本定位和多模态上下文编码。

5. CFT-RAG ->  CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter (2501.15098)

树状RAG加速方法，使用改进型布谷鸟过滤器优化实体定位，实现快速检索。

6. Contextualized Graph RAG (CG-RAG) -> CG-RAG: Research Question Answering by Citation Graph Retrieval-Augmented LLMs (2501.15067)

通过词汇-语义图检索（LeSeGR）融合稀疏/密集信号，捕捉文献引用关系

7. GFM-RAG ->  GFM-RAG: Graph Foundation Model for Retrieval Augmented Generation (2502.01113)

使用图神经网络优化查询-知识关联的图基础模型

8. URAG -> URAG: Implementing a Unified Hybrid RAG for Precise Answers in University Admission Chatbots -- A Case Study at HCMUT (2501.16276)

结合规则引擎与RAG的混合系统，提升轻量级LLM在教育聊天机器人中的表现

来源：NLP前沿