RAG 工程实践综述：覆盖 2018-2025、面向生产和学术的统一指南
来源：arxiv
作者：Dean Wampler (IBM Research), Dave Nielson, Alireza Seddighi
日期：2025-11-07
链接：https://arxiv.org/abs/2601.05264
中文摘要
IBM Research 团队对 2018-2025 年 RAG（检索增强生成）文献进行系统性综述，提出五维分类法（检索逻辑、融合拓扑、模态、适应性、信任校准），是目前最完整的 RAG 架构分类体系。论文整合了 RAGAS 评估框架和企业级基准数据：Galileo AI 的 chunk attribution 达 86% 准确率（1.36x 于 GPT-3.5-Turbo），Trustworthiness 指标中 groundedness 人类相关性 85-92%。论文指出传统 BLEU/ROUGE 对语义一致性评估不足，LLM-based judge 与人类判断相关性更高。
English Summary
IBM Research's systematic review of RAG literature (2018-2025) proposes a five-dimensional taxonomy covering retrieval logic, fusion topology, modality, adaptability, and trust calibration. Integrates RAGAS evaluation framework with enterprise benchmarks: Galileo AI achieves 86% chunk attribution accuracy (1.36x GPT-3.5-Turbo baseline), groundedness human correlation 85-92%. Argues traditional BLEU/ROUGE metrics are insufficient for semantic consistency; LLM-based judges correlate better with human judgment.