技术地图
连接图按年份排出全部收录的技术，同一年里再按环节从上到下排列。同一项技术仍只归到它改动最大的环节。
环节
成熟度
训练
从左到右是年份，同一年里按环节从上到下排列。移到节点上，会突出直接相连的技术。
节点覆盖目前收录的全部技术。连线只表示编辑过的直接关系。筛选时，不符合条件的节点会淡出。
19 项技术
2026 · 演进中 · 使用现成模型
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。
2022 · 演进中 · 使用现成模型
检索对象从纯文本扩到图像、版面和带图的文档。
2024 · 演进中 · 使用现成模型
把文本块聚类并逐层写摘要，形成一棵可以按层检索的树。
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。
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。
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。
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。
2020 · 演进中 · 使用现成模型
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。
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。
2023 · 演进中 · 使用现成模型
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。
2025 · 演进中 · 使用现成模型
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。
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。
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。
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。
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。
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。
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。
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。
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。