RAG（检索增强生成）技术在2025年广泛应用，主要包括离线文件解析、文本切片和嵌入优化。通过语义和结构切分提升文本处理效率，并在查询处理和评估中引入多维度嵌入。Graph RAG适合全局问题，而Agentic RAG更灵活，依赖于大语言模型的能力。

RAG（检索增强生成）技术在2025年广泛应用，主要包括离线文件解析、文本切片和嵌入优化。通过语义和结构切分提升文本处理效率，并在查询处理时生成多维嵌入。评估指标包括召回率、响应时间和用户满意度。Graph RAG解决全局和多跳问题，但构建图谱复杂，依赖于大型语言模型（LLM）能力。Agentic RAG允许多次检索，提升灵活性和可扩展性。

多模态大型语言模型（MLLM）正在迅速发展，能够同时处理文本和视觉数据。研究人员提出的OLA-VLM方法通过嵌入优化提升视觉理解，显著提高了模型在视觉任务中的表现，且在效率和性能上优于现有模型，为未来多模态系统的发展奠定了基础。