ACL 2025 大模型“以讹传讹”？DRAG双阶段「多代理辩论」破解幻觉叠加问题
论文提出DRAG框架，通过引入多智能体辩论机制缓解RAG中的幻觉问题。DRAG在检索和生成阶段引入正反方辩论，以提高答案的真实性和可靠性。研究显示，在多个数据集上DRAG取得了强劲表现。
RAG
聚焦RAG＆KG＆LLM＆文档解析四大领域：老刘说NLP技术社区对外纳新
老刘说NLP技术社区致力于通过早报、讨论、分享等多种形式，围绕大模型、RAG、文档智能和知识图谱等主题提供技术内容。该社区还提供了包括专题课程、系列文章及可视化图解在内的多种学习资源，并对成员权益进行了详细说明。
RAG，彻底爆发了！！
2025年开年，AI技术火热改变程序员职业。阿里云等企业开放招聘与AI相关的岗位，传统开发框架不再金钥匙。知乎知学堂推出实战训练营，传授AI大模型原理、应用技术和项目实操经验，学员有望转岗高薪AI相关职位。
10张图全面理解AI Agents、Agentic、RAG、MCP技术栈。
分享了AI Agents、Agentic、RAG、MCP等AI技术的概念、应用和挑战，涵盖工具框架、实际案例以及路线图等内容。
盘点RAG中最容易犯的5个错误
我介绍了在构建 Retrieval-Augmented Generation (RAG) 应用过程中遇到的第一个错误——使用向量数据库。此外，我也分享了两个建议：优先选择经过微调的小模型，并优化检索过程以提高效率和准确性。
RAG的有趣新尝试:将文本编码进MP4文件实现思路及Agentic-doc处理文档
今天是2025年6月5日，星期四，北京晴。文章介绍了将文本编码进MP4文件的有趣RAG尝试和Agentic-doc文档处理系统。Memvid项目通过MP4索引实现快速语义搜索，而Agentic-doc则利用agent高效提取复杂文档结构化数据。
RAG和Agent的几张趣图思考及RLI基于自我置信度RL强化学习思路
2025年5月28日，北京晴。文章探讨了从几张图看RAG及Agent的问题和基于自我置信度作为强化学习监督信号的工作，强调实际业务数据的重要性，并指出不要过度依赖Agent智能体解决问题。