待验证50% 置信事实精确时间
检索增强生成（RAG）通过外部知识库补充模型的静态知识，但并不改变权重本身
1
来源数
50%
置信度
长期有效
时效性
2026/9/17
首次发现
来源
涉及实体
相关事实
待验证传统大模型依赖参数化知识（将文本编码进模型权重参数），而RAG引入非参数化知识（将外部文档库作为可实时检索的动态知识源）80% 相似待验证微调通过在私有数据上继续训练来更新模型权重，RAG则在不修改模型的前提下通过检索外挂知识库增强回答79% 相似已验证检索增强生成（RAG）架构在模型生成响应前从外部知识库检索相关结构化数据，并将其作为上下文注入以产生更准确的答案75% 相似待验证检索增强生成（RAG）范式由Lewis等人于2020年在Meta AI提出，核心思想是将参数化知识与非参数化知识相结合74% 相似待验证持久知识需要时通过RAG（检索增强生成）技术按语义相关性召回，再注入Prompt74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/930000API
curl https://kongchang.com/api/v1/knowledge/claims/930000MCP
get_claim(id=930000)