懂AI
RAG-Survey

RAG-Survey

AI内容生成中的增强检索方法全面指南

深入探索增强检索技术如何推动AI内容生成的进步。RAG-Survey项目综合最新研究，涵盖查询基准、潜在表达式和逻辑基础RAG等多种方法，持续更新其调研报告和文献库。项目专注于提升检索增强生成模型，精准高效地应用于开放域问答、代码生成等多个AI领域。

RAGRetrieval-Augmented GenerationAI生成内容大型语言模型知识增强Github开源项目
GitHub论文

项目背景

RAG-Survey 项目专注于研究和收集有关检索增强生成（Retrieval-Augmented Generation，RAG）技术的论文。RAG 是一种将信息检索与生成模型相结合的新兴技术，能够在许多应用中显著提升 AI 生成内容的质量。该项目的资料库和论文收录涵盖了多种 RAG 技术应用场景，并随着该领域的快速发展不断更新。

项目概述

RAG-Survey 项目通过分析和分类现有研究，提供了一幅全面的领域全景图，展示了 RAG 方法的基础、增强和应用等多个维度。项目的核心是一个不断更新的数据库，其中包含来自世界各地的领先研究论文。

方法分类

RAG 基础

RAG 的基础分为三大类：基于查询的 RAG、潜在表示的 RAG 和基于 Logit 的 RAG。

  • 基于查询的 RAG：包含一些提炼查询信息以改进语言模型生成效果的方法，如 “REALM” 和 “Self-RAG”。

  • 潜在表示的 RAG：通过将文本转换成潜在表示形式，增强生成模型的表现，如 “Bashexplainer”和 “EditSum”。

  • 基于 Logit 的 RAG：使用结果分数提升检索和生成的效果，包括像 “通用记忆语言模型”和 “高效最近邻语言模型”的研究。

RAG 增强

此部分集中在如何通过输入增强、检索器增强和生成器增强来提高模型性能。

  • 输入增强：包括查询变换和数据增强。通过更精确的查询和大规模数据提升生成性能。
  • 检索器增强：通过提高检索器的效率和准确性来改进生成结果，比如递归检索和块优化。
  • 生成器增强：通过灵活的提示工程和解码调优策略，提高模型生成的质量和速度。

RAG 流水线增强

主要讨论自适应检索和迭代增强的大规模应用，使生成模型能更好地理解复杂问题和领域知识。

应用分类

文字领域

  • 问答系统：使用 RAG 技术提升开放域问答系统的性能。
  • 事实验证：跨语言事实验证的改进，使用检索增强方法，如“CONCRETE”。
  • 常识推理：增强模型在常识推理任务中的生成能力。
  • 人机对话：提高对话系统的响应质量和话题延续性。

代码领域

  • 代码生成和总结：RAG 技术在编码生成和代码摘要中的应用，显著提升代码治理效率。
  • 代码完备：包括自动化编程修复和深度断言生成，改善软件开发工作流。

音视频领域

  • 音频生成和字幕：通过检索增强生成音频和文本描述，提高音频处理技术。
  • 图像生成：RAG 用于图像合成和文本到图像的生成，推动创意领域的发展。

通过这些多样化的应用，RAG 技术展示出强大的柔性和扩展性，能够适应多样的内容生成需求。RAG-Survey 项目通过收集和分享前沿的研究，促进了这一技术在各个领域的应用和发展。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多