本文探讨了检索增强生成（RAG）在大型语言模型（LLM）中的应用，介绍了RAG的三种发展范式及其主要组成部分。研究提出了MultiHop-RAG数据集，展示了现有RAG方法在多跳查询中的不足，并提出了新的评估框架。实验验证了不同RAG策略的有效性，强调了外部知识整合的重要性，呼吁学术界进一步研究RAG系统。