Legal RAG Bench: An End-to-End Benchmark for Legal RAG
2026 年 3 月。用刑法语料比较嵌入模型和生成模型,观察到检索质量决定正确率上限。
论文
每项技术只收推动它的论文,不收综述之外的二手解读。关系图覆盖下面的全部论文,节点打开原文,技术名回到站内短文。
从左到右是年份,同一年里按技术环节从上到下排列。移到论文上,会突出直接相关的工作。
节点覆盖目前收录的全部论文,打开后进入原文。连线只表示编辑过的直接关系。
2026 年 3 月。用刑法语料比较嵌入模型和生成模型,观察到检索质量决定正确率上限。
在证据已经给定时,测量整合、推理、逻辑、表格和弃权。用虚构实体避免靠参数记忆得分。
医学 RAG 基准,覆盖中英任务,并比较稀疏检索、语义检索和网页搜索。这里的 MRAG 不是多模态 RAG。
同时测量吞吐、内存、利用率和答案质量,并能模拟索引的插入、更新和删除。
2026 年 1 月提交。五种 RAG 范式没有普遍最优者,更复杂也不保证更好的效果与成本比。
2026 年 10 月的综述。把新工作归到效率、安全、交互和复杂推理,而不是再宣布下一代 RAG。
整理多模态检索、跨模态查询和检索规划。也是理解 2022 年 MuRAG 之后这条线的综述。
把单智能体、多智能体、层级控制和不同知识表示收成一套 Agentic RAG 分类。
产品发布,不是论文。描述多轮浏览、工具使用和带引用的长报告。2025 年 2 月。
按领域整理图在 RAG 里的不同用法。它比 Microsoft 的社区摘要方法更宽。
把推理改进 RAG、检索辅助推理,以及两者交织的协同框架分开。EMNLP 2025 Findings。
提出 GraphRAG-Bench,按任务难度比较图检索和普通 RAG,而不是默认图方法更优。
按问题复杂度在不检索、单步检索和多步检索之间选择。它是固定流程走向按步编排的中间形态。NAACL 2024。
从文档页图像直接做检索,并用 ViDoRe 基准比较版面、表格和图片。
技术报告,不是会议论文。给每个块补上文档上下文,再同时建立 BM25 和向量索引。
用轻量评估器判断检索结果正确、含糊或错误。错误时转去网络搜索,并重组证据。
中文基准。创建、读取、更新、删除分别对应续写、问答、纠错和摘要。
研究用工具包,复现 REPLUG、FLARE 等检索增强方法。工具本身见框架条目。
从文档构建实体图和社区摘要,用来回答单个文本块无法覆盖的全局问题。
用知识图谱和个性化 PageRank 做单次多跳检索。
先整篇编码,再把词向量切回各个块,使块向量保留全文语境。
双层图检索,并支持增量更新。后发表于 EMNLP 2025 Findings。
把检索单位放大到约四千词,再用长上下文模型阅读少量单元。不另做训练。
展示少量精心构造的文本被写入知识库后,可以控制特定问题的检索和答案。
在相关文档和干扰文档混在一起的条件下微调模型,并要求答案引用文档。
缓存检索增强生成中的知识访问和中间状态,减少重复计算。
将近一万八千条 RAG 回答标到词级,用来检测资料并不支持的说法。
一个微调后的模型同时负责上下文排序和答案生成。
聚类、摘要、再聚类,形成可以分层检索的摘要树。ICLR 2024。
小模型按文档子集并行起草,大模型核验并选择草稿。
分析 RAG 带来的新泄露面,包括私有资料被抽取。权限过滤是与之配套的工程控制。
提出 FLARE。下一句里出现低置信词时,用对这句话的预测去检索并重写。
用合成数据和少量人工标注校准上下文相关性、忠实度和答案相关性。
RGB 基准。测量噪声鲁棒性、拒答、信息整合和反事实鲁棒性。
要求长答案给出可核对的引用,并评估引用是否真的支持那句话。EMNLP 2023。
检索和生成交替进行,上一次生成帮助下一次查询。
用搜索引擎补充模型参数里的过时知识,并给出新鲜度基准。私有库的增量更新是与它相邻的工程问题。
按问题删减长提示词中的词。它不重写检索器,只减少送进模型的文本。
相关文档放在长上下文中间时,模型更不容易用到它。
提出 Rewrite-Retrieve-Read。改写可以用提示完成,也可以训练一个小模型去迎合冻结的检索器和阅读器。
让模型写几句相关文字并拼回原查询,用来扩展稀疏和稠密检索。EMNLP 2023。
分别指令微调语言模型和检索器,使两者适应检索增强。
在拼进提示词之前,把检索结果压成抽取式或摘要式的短文本。无关时可以不增强。
冻结黑盒模型,把同一输入配上不同文档后的输出概率合并。
综述。把后续做法分成朴素 RAG、高级 RAG 和模块化 RAG,方便对照这条时间轴。
训练模型生成反思标记,自行决定检索,并判断输出是否被资料支持。后发表于 ICLR 2024。
比较凸组合和倒数排名融合。混合检索在多数数据集上优于单独的词法或语义检索。
联合微调检索器和生成器,使少量样本能完成知识密集型任务。
用少量示例把搜索查询和最终预测组成可重复的程序。
在思维链的步骤之间插入检索。ACL 2023。
同时检索图像和文本,并在生成时阅读两种证据。EMNLP 2022。
不改写问题本身,而是生成一段假想答案,用答案的向量去检索。
RETRO。从零训练会在生成中途检索万亿词符语料的模型。
用人类反馈训练模型搜索、打开网页并给出带引用的答案。
按顺序做稠密检索,用前一跳的结果查询下一跳。后发表于 ICLR 2021。
后期交互。比交叉编码器便宜,又比双编码器保留更多词级匹配。SIGIR 2020。
用双编码器做稠密段落检索,是 RAG 检索器的直接前身。EMNLP 2020。
用近邻语料的下一词分布插值语言模型。arxiv 在 2019 年 11 月,ICLR 2020。
也就是 Fusion-in-Decoder。段落分开编码,解码时融合。后发表于 EACL 2021。
区分忠实于给定原文和事实本身正确。RAG 的忠实度指标沿用了这个区分。ACL 2020。
在预训练阶段检索外部文档。它不是提问时的向量召回,而是同一年把检索写进语言模型的代表工作。ICML 2020。
把检索器和生成器接在一起,取回固定数量的文档再生成答案。NeurIPS 2020。
用 BERT 交叉编码器给已经召回的段落重新打分,是神经重排序进入检索系统的常用起点。
提出倒数排名融合,用名次而不是原始分数合并多路排序。SIGIR 2009。
BM25 的可读综述。方法在 1994 年的 TREC-3 里已经使用,这篇 2009 年的综述把概率相关框架整理完整。