RAG（检索增强生成）曾是极其热门的话题之一。而本周非常幸运地看到了一些关于 RAG 的真正令人兴奋的新研究
让我们一起来看看近期出现的12 种 RAG 高级架构与方法：
1. Mindscape-Aware RAG (MiA-RAG)
全局感知 RAG
MiA-RAG 通过首先构建整个文本的高层摘要（即“全局视图”），帮助 RAG 系统处理长文档。这个全局视图随后被用来指导系统检索什么内容以及如何回答，帮助模型将分散的证据连接起来，像人类阅读长文档一样进行推理。
感觉这个idea不错，之前看到过很多内容压缩的工作，这个工作是把全文摘要除了加到Context，也加到了Query里面，这样子有利于检索全文感知的Chunk
2. Multi-step RAG with Hypergraph-based Memory (HGMem)
基于超图记忆的多步 RAG
HGMem 是一种增强多步 RAG 的新记忆设计。它将检索到的信息组织成超图（Hypergraph），允许事实随着时间的推移相互连接和组合。这有助于模型构建结构化知识，进行更连贯的推理，并更好地理解复杂的上下文。
这个看起来有点复杂，大家细读论文吧
3. QuCo-RAG
基于共现统计的动态 RAGQuCo-RAG 是一种动态 RAG 方法，它根据模型预训练数据的统计信息（而非模型自信度）来决定何时检索信息。它会标记罕见或可疑的实体，并检查它们是否在真实数据中共现（Co-occur），从而触发检索以减少幻觉并提高事实准确性。
这个想法很好，我们经常会面临一个情况是如果大模型已经学了相关查询对应的知识，我们还需要检索吗？这个工作应该一般部分回答了如何解决这个问题。
不过心里有个疑问？“根据模型预训练数据的统计信息（而非模型自信度）来决定何时检索信息”，如果每次都需要统计一个比较大的预训练预料，效率是不是很慢
4. HiFi-RAG
高保真分层 RAG
HiFi-RAG 是一个分层的 RAG 管道，在生成之前分多个阶段过滤检索到的文档。它利用Gemini 2.5 Flash来重构查询、修剪不相关的段落并附加引用，然后仅依靠Gemini 2.5 Pro进行最终的答案生成。
5. Bidirectional RAG
双向 RAG该方法允许对检索语料库进行受控的“回写”（Write-back）。生成的答案只有通过接地性检查（Grounding checks，包括基于 NLI 的蕴含关系、来源归因验证和新颖性检测）后，才会被添加到知识库中。这使得系统能够在使用过程中扩展其知识库，而不会被幻觉污染。
6. TV-RAG
长视频时序 RAG
TV-RAG 是一个针对长视频的免训练（Training-free）RAG 框架，它为检索增加了时间感知能力。它利用时间偏移量对检索到的文本进行排序，并使用基于熵的采样来选择关键视频帧，帮助视频语言模型对齐视觉、音频和字幕信息，并在长视频时间轴上进行更准确的推理。
7. MegaRAG
巨型多模态 RAG
MegaRAG 专为书籍等长文档构建，围绕多模态知识图谱设计。它从文本和视觉内容中提取实体和关系，构建分层图谱，并在检索和生成过程中使用它。这有助于模型进行全局推理，更准确地回答文本和视觉问题。
8. AffordanceRAG
可供性感知 RAG这是专为移动机器人设计的零样本（Zero-shot）、多模态 RAG 系统。它通过探索环境的图像构建“可供性感知记忆”（Affordance-aware memory），利用视觉和区域特征检索物体和位置，并根据可供性得分对它们进行重排序，从而选择机器人能够在物理上执行的动作，改善现实世界中的操作能力。
论文标题：Affordance RAG: Hierarchical Multimodal Retrieval with Affordance-Aware Embodied Memory for Mobile Manipulation
论文链接：https://arxiv.org/pdf/2512.18987
9. Graph-O1
基于图的 O1 推理
Graph-O1 是一个针对文本属性图问答的代理式（Agent-based）GraphRAG 系统。它不像传统方法那样一次性读取整个图，而是使用蒙特卡洛树搜索（MCTS）和强化学习（RL）逐步探索最相关的节点和边，从而在 LLM 上下文限制内实现高效、结构化的推理。
路标识别 RAG
SignRAG 是建立在 RAG 之上的零样本交通标志识别系统。它使用视觉-语言模型来描述标志图像，从向量数据库中检索相似的标志设计，然后让 LLM 对候选标志进行推理以识别正确的标志，无需进行特定任务的训练。
这个研究工作是在一个交通信号领域的多模态RAG，做法是比较常规的，图片的描述生成，然后索引构建，在检索的时候召回拼接到上下文去做回答
11. Hybrid RAG for Multilingual Document QA
多语言文档问答混合 RAG
这是一个针对充满噪声的历史报纸问答的多语言 RAG 系统。它通过语义查询扩展、使用倒数排名融合（Reciprocal Rank Fusion）的多查询检索，以及仅在存在证据时才回答的生成提示词，来处理 OCR 错误和语言演变问题。
12. RAGPart and RAGMask
RAG 安全防御机制
这是针对 RAG 语料库投毒攻击的轻量级防御措施。RAGPart利用密集检索器如何从分区数据中学习的特性，限制恶意文档的影响；而RAGMask则通过掩盖 Token 和检测异常的相似度偏移来标记可疑文档，且无需修改生成模型本身。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
RV1126B 安全帽检测)
