检索增强生成推荐及其研究进展OA
检索增强生成(retrieval-augmented generation,RAG)推荐,作为一种新兴推荐范式,已引起学术界广泛关注。本文在分析RAG推荐及流程基础上,从基于内容的RAG推荐、协同过滤RAG推荐、行为序列RAG推荐、智能体RAG推荐4个维度,深入探讨了现有RAG推荐研究的主要进展、技术特点与适用场景。同时,指出了当前RAG推荐研究在检索效率与生成质量的平衡性、多源上下文信息的高效整合、知识库的实时自动更新机制以及用户隐私保护等方面存在的问题。基于上述分析,从多源多模态信息融合、检索-生成协同优化、动态自适应机制构建以及隐私保护增强等视角,提出了RAG推荐未来的主要研究方向。
吴国栋;谢东辰;黄雯婧;郑阳;涂立静
安徽农业大学人工智能学院,安徽合肥230036安徽农业大学人工智能学院,安徽合肥230036安徽农业大学人工智能学院,安徽合肥230036安徽农业大学人工智能学院,安徽合肥230036安徽农业大学人工智能学院,安徽合肥230036
信息技术与安全科学
检索增强生成推荐大语言模型检索外部知识深度学习知识库表征学习
《智能系统学报》 2026 (3)
P.577-597,21
国家自然科学基金项目(32371993)安徽省高校自然科学研究重点项目(2024AH050443)安徽省自然科学基金项目(2108085MF209)安徽省科技重大专项项目(202103b06020013)。
评论