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。

正文：9月13日，腾讯优图实验室宣布开源Youtu-GraphRAG框架，旨在解决图检索增强生成（GraphRAG）技术的难题。该框架在六个跨领域多语言基准测试中表现优异，具备三大优势：构图成本节省30%以上、复杂推理任务准确率提升16%+、支持中英双语及跨领域无缝迁移。Youtu-GraphRAG通过Schema连接智能体，实现图构建、索引与检索的垂直统一，并采用四层架构设计（属性层、关系层、关键词层、社区层）优化知识抽取与推理能力。此外，其社区检测算法融合结构与语义信息，显著优于传统方法。框架已开源，论文同步发布。

《华尔街日报》报道，多款先进AI聊天机器人在回答记者关于其配偶的问题时，给出了匪夷所思的回答，包括不认识的作家、陌生女性及网球博主。尽管AI在复杂数学问题上表现优秀，但在基本事实方面常出错，如捏造法律案件、混淆电影情节等。IBM实习生Roi Cohen表示，AI的工作原理类似高级猜测，倾向于自信地给出答案。为解决“幻觉”问题，研究人员正尝试“检索增强生成”技术，让AI先查找信息再作答。此外，Cohen和Konstantin Dobler提出让AI学会承认“我不知道”。尽管AI越来越强大，但美国民众对其信任度下降，2023年52%的人感到担忧，高于2021年的37%。