待验证90% 置信事实时间未知
RAG原始论文使用DPR（Dense Passage Retrieval）作为检索器、BART作为生成器
1
来源数
90%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
RAG技术入门：从大模型幻觉到检索增强生成的完整指南
bilibiliAI大模型全栈
涉及实体
相关事实
待验证RAG 框架将稠密段落检索（Dense Passage Retrieval, DPR）与生成式语言模型结合80% 相似待验证最初的RAG论文使用DPR（Dense Passage Retrieval）作为检索器，以Wikipedia作为知识源80% 相似待验证RAG architecture retrieves relevant document fragments from an external knowledge base before the LLM generates a response, injecting retrieved content as context into the prompt.69% 相似已验证RAG（检索增强生成）在调用LLM前从向量数据库检索相关文档片段注入提示词，当检索文档不匹配或包含错误信息时会产生'由检索驱动的幻觉'67% 相似待验证RAG（检索增强生成）通过将当前输入语义向量化并在历史库中执行近似最近邻检索注入上下文窗口66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/4594API
curl https://kongchang.com/api/v1/knowledge/claims/4594MCP
get_claim(id=4594)