该文综述了检索增强语言模型的多项研究：RRAML结合大模型推理与数据库检索以突破上下文限制；R-LLMs、RaLLe、AAR等提升了知识密集任务的表现，但模型在科学文档推理中仍会编造证据，且预训练无法缓解。研究还提出用大模型作检索器、ARM-RAG存储推理链、In-Context RALM添加文档前缀等方法，并发现检索信息通常能提升性能。