检索增强生成（RAG）旨在解决大模型幻觉、知识更新缓慢和答案透明度不足等问题。

检索增强生成（RAG）旨在解决大模型幻觉、知识更新缓慢和答案透明度不足等问题。

据?Arxiv?页面显示，同济大学近日联手复旦大学研究团队，提出了一种名为“检索增强生成（RAG）”的方法，旨在解决大模型幻觉、知识更新缓慢和答案透明度不足等问题。

论文显示，RAG在回答问题之前，会从外部知识库中检索相关信息，以提高答案的准确性，减少模型的幻觉，尤其适用于知识密集型任务。通过引用来源，用户可以验证答案的准确性，增加对模型输出的信任。

同时，RAG也促进了知识的更新和特定领域知识的引入。