技术演进
检索增强是怎样一步步长出来的
时间轴按论文、技术报告或正式产品的首次发表年份排列。同一年里的条目是并列分支。没有做成产品的方法也会列出，只是侧栏里暂时没有框架。
1994
BM25
用词频和文档长度给关键词匹配打分，是后来所有混合检索里的稀疏一路。
2009
倒数排名融合
不比较各路检索的原始分数，只按名次把多张名单合成一张。
2019
重排序
召回只求全，重排序再读一遍问题和段落，把真正相关的排到前面。
2020
kNN-LM
预测下一个词时，把语言模型的概率和检索到的邻近词插值。
2020
后期交互
先分别为问题和文档保存词级向量，查询时再做细粒度匹配。
2020
REALM
在预训练时就检索外部文档，而不是等提问时才去查。
2020
稠密检索
用向量距离寻找语义相近的段落，而不只匹配相同的词。
2020
Fusion-in-Decoder
每段资料单独编码，解码时再把多段证据合到一起写答案。
2020
朴素 RAG
回答前先检索一段外部资料，再交给模型阅读。
2020
多跳检索
答案散落在多篇文档里时，沿着前一步的结果继续查下一跳。
2020
忠实度
单独检查答案是否被给出的资料支持，而不是只看答得像不像。
2021
RETRO
从零训练一个会在生成中途检索万亿词符语料的模型。
2021
WebGPT
让模型操作浏览器收集网页，再写出带引用的答案。
2022
迭代检索
写推理的中途发现缺证据，就再查一次，而不是一开始把资料一次取完。
2022
混合检索
同时保留关键词和向量两路召回，再把名次或分数合并。
2022
HyDE
先写一段假想答案，用这段文字的向量去检索，而不是直接用问题。
2022
多模态 RAG
检索对象从纯文本扩到图像、版面和带图的文档。
2022
Atlas
检索器和语言模型一起微调，使少量标注就能完成知识密集型任务。
2022
Demonstrate-Search-Predict
用少量示例告诉模型何时搜索、如何写查询，再根据检索结果作答。
2022 起
数据加载
把 PDF、Word、网页和扫描件解析成统一的正文、结构元素与来源元数据，再交给切块和索引。
2023
REPLUG
不改黑盒模型的参数，把同一问题配上不同文档分别计算，再合并概率。
2023
多查询
从一个问题变出多个问法，分别检索后再合并名单。
2023
查询改写
先把用户的原话改写成更适合检索的查询，再去查。
2023
FLARE
生成下一句时如果模型自己没把握，就用这句的预测去检索，再重写这一句。
2023
引用归因
答案里的每句话标出它依据的是哪一段检索结果。
2023 起
Text2SQL
把自然语言问题转换为受约束的 SQL，让 RAG 从非结构化文档扩展到关系型数据库。
2023
上下文压缩
检索之后先把段落压短，只把和问题有关的句子送进模型。
2023
切块策略
不再只按固定字数切开，而是让一块内部尽量是同一个意思。
2023
父子索引
用小块检索，命中后把包含它的大块交给模型阅读。
2023
中间迷失
模型更会使用排在上下文开头和结尾的资料，放在中间的相关段落容易被忽略。
2023
RGB 基准
分开测量模型在有噪声、有反事实和需要拒绝时，还能否用好检索结果。
2023
RAGAS
没有标准答案时，用模型分别给检索和生成打几项代理分。
2023
RA-DIT
分别微调语言模型和检索器，使两者都为检索增强服务，而不必从零预训练。
2023
Self-RAG
由模型自己决定要不要检索，并判断自己的话有没有依据。
2023 起
格式化生成
用 JSON Schema、类型模型或工具调用约束模型输出，让回答能被程序验证和继续执行。
2023
新鲜度
资料变了以后，索引和答案要跟着变，而不是一直查建库那天的快照。
2023
ARES
用少量人工标注校准自动评判，再估计上下文相关性、忠实度和答案相关性。
2024
RAGTruth
用人工标到词级的 RAG 回答语料，测量检索之后仍然出现的幻觉。
2024
CRUD-RAG
按创建、读取、更新、删除四类文本任务评估 RAG，而不是只评估一次问答。
2024
RAPTOR
把文本块聚类并逐层写摘要，形成一棵可以按层检索的树。
2024
CRAG
先判断检索结果是对、含糊还是错，错了就改道去查别的来源。
2024
知识库投毒
攻击者往知识库写入少量文本，就能让特定问题稳定检索到并生成攻击者想要的答案。
2024
权限与隐私
检索前就按身份过滤文档，并防止模型把不该泄露的原文复述出来。
2024
RAFT
训练模型在一组混有干扰段落的资料里引用真正有用的那几段。
2024
HippoRAG
用知识图谱和个性化 PageRank 一次找出多跳证据，而不必反复调用模型。
2024
Adaptive-RAG
先判断问题有多复杂，再决定不查、查一次，还是多步查。
2024
检索缓存
相同或相近的问题复用已经取回的段落和中间结果，避免每次都重新检索和阅读。
2024
RankRAG
同一个模型既给段落排序，也根据排好的段落生成答案。
2024
Speculative RAG
小模型按不同文档子集并行起草，大模型只核对这些草稿并选一份。
2024
ColPali
把文档页当成图像来检索，不再先做 OCR 或版面解析。
2024
GraphRAG
先从文档抽出实体和关系，再沿社区摘要回答跨全文的问题。
2024
LongRAG
把检索单位从一百词的短段落放大到数千词，让长上下文模型一次读完。
2024
上下文检索
在嵌入和建 BM25 索引之前，给每个块补上它在原文中的位置和含义。
2024
LightRAG
用更轻的图索引同时查具体实体和上层主题，并支持增量更新。
2025
Agentic RAG
由流程里的模型决定下一步是检索、换查询、读另一份资料，还是停下来回答。
2025
深度研究
面对开放问题，系统自己规划多轮检索、阅读网页并写出带引用的长报告。
2025
多模态检索规划
问题本身可以是图或文档页面，系统再决定检索文本、图像还是整页画面。
2025
GraphRAG 适用边界
用分难度的基准看图谱检索在什么问题上真的胜过普通 RAG。
2025
推理与检索协同
检索和推理不再分先后，而是在同一次解题里交替补证据、改推理。
2026
领域评测
评测从通用问答走进医学、法律等专业语料，并分开看检索和生成各自贡献了多少。
2026
检索路由
按问题和语料是否匹配来选择检索范式，而不是认定某一种高级 RAG 永远更好。
2026
生成器能力评测
在资料已经给定时，单独测量模型会不会整合、推理、读表和拒绝回答。
2026
系统性能基准
同一套流水线同时测量吞吐、显存和答案质量，而不是只报告任务分数。
2026
四条轴线
2026 年的综述不再按年份命名下一代 RAG，而按效率、安全、交互和复杂推理重新归类。