AI 范式雷达：《Agentic RAG：让检索系统学会自我反思》

如果你正在构建一个需要回答复杂问题的 AI 应用，你可能已经发现传统 RAG 的天花板：当用户问”某公司的 CEO 在哪个大学获得了什么学位？”时，一次向量检索往往只能命中其中一个事实片段，答案要么不完整，要么干脆产生幻觉。最新的研究表明，Agentic RAG 能将这类多跳问题的幻觉率降低 30% 到 50%，代价是延迟增加约 2 到 4 倍、Token 消耗增加约 1.5 到 3...