RAG七十二式：2024年度RAG清单

主要观点总结

2024年，RAG（检索增强生成）系统取得了显著的进步，涉及多种技术和方法，如模块化RAG、图RAG、多模态RAG等。这些系统利用不同的数据源和检索策略，如基于图的智能体、多模态机器学习、检索增强思维等，来增强大语言模型的性能，特别是在处理长文本和复杂查询时。RAG系统的发展促进了智能体的能力，并推动了知识图谱、向量数据库和大型语言模型之间的融合。此外，RAG系统也面临着新的挑战，如提高检索准确性、降低幻觉、增强系统透明度和可解释性等。今年，出现了许多新的RAG方法，如KAG、FILCO、SubgraphRAG等，旨在解决特定问题，如专业知识服务、上下文过滤、子图检索等。此外，RAG系统也在向自动化、模块化、高效化方向发展，以支持更大规模的数据和更复杂的任务。

关键观点总结

关键观点1: RAG系统的进步

2024年，RAG系统取得了显著的进步，涉及多种技术和方法，如模块化RAG、图RAG、多模态RAG等，旨在增强大语言模型的性能，特别是在处理长文本和复杂查询时。

关键观点2: RAG系统的挑战

RAG系统面临着提高检索准确性、降低幻觉、增强系统透明度和可解释性等挑战。今年，出现了许多新的RAG方法，如KAG、FILCO、SubgraphRAG等，旨在解决特定问题，如专业知识服务、上下文过滤、子图检索等。

关键观点3: RAG系统的发展趋势

RAG系统正在向自动化、模块化、高效化方向发展，以支持更大规模的数据和更复杂的任务。新的RAG方法不断出现，以应对不同的挑战和需求。

文章预览

  ▍ 作者：范志东，蚂蚁图计算开源负责人、图计算布道师 回顾2024，大模型日新月异，智能体百家争鸣。作为AI应用的重要组成部分，RAG也是“群雄逐鹿，诸侯并起”。年初ModularRAG持续升温、GraphRAG大放异彩，年中开源工具如火如荼、知识图谱再创新机，年末图表理解、多模态RAG又启新征程，简直“你方唱罢我登场”，奇技叠出，不胜枚举！ 我在这里遴选了2024年度典型的RAG系统和论文（含AI注解、来源、摘要信息），并于文末附上RAG综述和测试基准材料，望执此一文，计一万六千言，助大家速通RAG。 全文共72篇，逐月为纲，强谓之“RAG七十二式”，以献诸位。 备注：  文中所有内容已托管到开源仓库Awesome-RAG，欢迎提交PR查缺补漏。  GitHub地址：https://github.com/awesome-rag/awesome-rag 2024.01 (01) GraphReader【图解专家】 图解专家 ：像个善于制作思维导图 ………………………………