Self-RAG (Self-Reflective Retrieval-Augmented Generation，自反思检索增强生成) 是一种先进的大语言模型（LLM）框架，旨在解决传统 RAG（检索增强生成）中存在的“盲目检索”和“幻觉”问题。 简单来说，传统的 RAG 像是一个只会抄书的学生（不管书对不对，拿来就抄）；而 Self-RAG 像是一个会思考的学生，它会判断是否需要查书、查到的书有没有用、自己写的答案是否符合书里的内容。 以下是关于 Self-RAG 的详细解释及其提升检索质量的原理： --- 1. 什么是 Self-RAG？ Self-RAG 的核心思想是在生成过程中引入“自我反思”（Self-Reflection）机制。它通过训练模型生成特殊的反思令牌（Reflection Tokens），让模型在生成的不同阶段对自己进行评估和控制。 核心流程： Self-RAG 将生成过程分为三个步骤的循环： 1. 按需检索 (Retrieve on demand)： 判断当前问题是否需要检索外部知识。 2. 并行生成与评估 (Generate & Evaluate)： 检...
播面