在2025年，RAG（检索增强生成）技术成为AI应用的热门路径，广泛用于企业知识库问答、智能客服等场景。尽管RAG通过引入外部知识库提升了回答准确性，但它仅是过渡性工具，无法实现真正的理解与推理。文章指出，RAG存在硬边界：它只能“贴答案”而无法理解语义，缺乏上下文穿透能力，且输出常逻辑混乱。作者认为，真正的智能系统应将知识内化为模型的一部分，而非依赖外挂知识库。未来可能的解法包括知识内化微调和多跳推理架构优化。RAG虽解决了部分工程问题，但被过度推崇为“终极方案”，实际只是通往认知智能的临时工具。真正的AI时代仍在前方，未来模型将像人类一样从经验中提取规则，构建知识逻辑体系。

2025年10月14日，腾讯优图实验室正式开源通用文本表示模型Youtu-Embedding。该模型专为企业级应用设计，可广泛应用于企业客服、智能问答、内容推荐等场景，尤其适合构建RAG检索增强生成系统。Youtu-Embedding通过深度神经网络将文本映射到高维向量空间，显著提升语义理解能力，在中文文本嵌入评测基准CMTEB中以77.46分位居榜首。其核心优势包括三阶段训练流程、创新的微调框架和精细化的数据工程。模型权重、推理代码及完整训练框架已发布，首个版本含20亿参数，可在HuggingFace和GitHub获取。

ACL 2025最新研究提出Lexical Diversity-aware RAG（DRAG）框架，首次将词汇多样性引入RAG的检索与生成过程，在多项基准任务中显著提升性能。该框架通过Diversity-sensitive Relevance Analyzer（DRA）和Risk-guided Sparse Calibration（RSC）两大模块，解决了词汇多样性带来的检索偏差和生成干扰问题。在HotpotQA等多跳问答任务中，准确率提升10.6%，刷新SOTA；在ASQA长答案生成任务中表现同样优异。此方法对信息检索、问答系统及专业领域大模型应用具有重要价值，代码即将开源。

2025年9月，Meta超级智能实验室发布首篇论文，提出名为REFRAG的高效解码框架，重新定义了检索增强生成（RAG）。该框架通过“压缩、感知、扩展”三步优化LLM处理外部知识的方式，最高可将首字生成延迟（TTFT）加速30倍，同时保持性能无损。实验显示，REFRAG在推理速度、困惑度及下游任务准确率上表现优异，并将上下文窗口等效扩大16倍。研究基于对RAG计算冗余的观察，提出选择性压缩解码方案，解决了长上下文处理中的效率问题，适用于多轮对话、长文档摘要等任务，为AI应用开发提供了重要解决方案。目前，该研究已在网络引发热议。

标题：没有RAG打底，一切都是PPT，RAG作者Douwe Kiela的10个关键教训 AI聊天不够自然、准确率不足是许多企业在应用大模型时遇到的常见问题。这些问题与RAG（检索增强生成）技术密切相关。RAG能提升模型表现，但真正用好的公司不多。Douwe Kiela作为RAG的开创者之一，提出...

Gemini 2.5 Pro模型在AI编程实践中，能够直接读取整个项目，带来全新的体验。长上下文能革新产品交互并开启全新应用场景。谷歌DeepMind的Nikolay Savinov指出，当前百万级token上下文质量尚未完美，盲目追求更大规模意义不大；随着成本下降，千万级token上下文将成为标准...

标题：只改2行代码，RAG效率暴涨30%！可扩展至百亿级数据规模应用 只需修改两行代码，RAG向量检索效率提升30%，适用于文搜文、图搜图、文搜图及推荐系统召回等多种任务，且具备十亿至百亿级数据的扩展能力。浙江大学高云君、柯翔宇团队与向量检索专家傅聪合作，开源新方法PSP（Proximity g...

OpenAI近日发布了o3-pro，号称最强推理AI模型，其推理能力显著提升。同时，OpenAI宣布o3的价格下调80%，使输入和输出token的成本分别降至2美元和8美元每百万，相比调整前大幅降低。这一价格已接近GPT-4o的水平，对开发者更具吸引力。o3-pro具备200k的上下文窗口和100k的最大输出token数，可支持约15万字的提示词输入，极大增强了RAG（检索增强生成）的能力。专家表示，更强的上下文支持和更低的成本将推动RAG技术在复杂应用场景中的进一步发展，包括医疗诊断、知识图谱构建及推理型任务等。尽管如此，模型对长文的理解仍有限，未来可能需要结合更多智能化策略优化性能。

标题：OceanBase开发者大会详解Data×AI战略并发布首个RAG产品 升级AI战略后的OceanBase首次举办开发者大会。5月17日，OceanBase在第三届开发者大会上发布面向AI的应用产品PowerRAG，提供开箱即用的RAG应用开发能力，这是其在AI时代的重要探索之一。Ocea...

标题：RAG性能提升20%！清华等推出以笔记为中心的深度检索增强生成框架 在大语言模型广泛应用的背景下，如何更高效结合外部知识提升复杂问题的理解与解答能力成为RAG技术的核心挑战。清华大学、中国科学院大学、华南理工大学、东北大学及九星（AI9Stars）联合团队提出全新适应式RAG方法——Dee...