RAG圈的DeepSeek，中科院DeepRAG让大模型带着“思考”检索，性能提升21.99%

文章预览

将 推理与RAG 相结合仍面临挑战，例如 复杂查询 需要多步分解，且LLMs难以生成精确的子查询，导致检索效率低下。 人类思维过程与 DeepRAG 的对应关系 。具体来说，检索叙事确保了结构化和自适应的检索流程，根据之前检索到的信息生成子查询，并且原子决策动态地决定是否检索外部知识，或者仅依赖于每个子查询的参数知识。 中科院 & 中科大 & 腾讯微信AI部联合推出 最新（2025.02） DeepRAG，让 大型语言模型逐步推理检索： DeepRAG框架 将检索增强推理建模为马尔可夫决策过程（MDP），通过迭代分解查询，动态决定是否检索外部知识或依赖参数推理。 DeepRAG 框架的概述 ，包括三个步骤：（1） 二叉树搜索 ，（2） 模仿学习 ，以及（3） 校准链 。给定一个数据集，首先使用二叉树搜索来合成模仿学习的数据，使模型能够学习检索模式。随后，利用二叉 ………………………………