基础RAG（检索增强生成）方法通过向量化检索相关文档片段，作为上下文输入大语言模型生成答案。其流程包括提取PDF文本、分块、生成嵌入、语义搜索和答案生成，简单易懂，适合处理PDF文档。

本研究提出MultiQ&A，旨在解决大型语言模型（LLM）生成答案时的幻觉问题，以促进其在机构中的应用。

本文提出了一种生成式时间知识图问答框架（GenTKGQA），通过子图检索和答案生成两个阶段，提升了对时间性问题的回答能力。实验结果表明，该模型在准确性上优于现有方法，尤其在复杂时间问题上表现显著。

开放领域问答（ODQA）研究中提出了LLMQA框架，该框架结合了检索和生成方法，分为查询扩展、文档选择和答案生成三个步骤。实验结果显示，LLMQA在答案准确性和证据质量方面表现优异，推动了ODQA的研究与应用。

ClimateGPT是一种专门用于气候变化领域的大型语言模型家族，能够生成高质量的领域特定答案。作者还提出了一套用于评估该模型的自动气候专用基准测试。模型使用可再生能源进行训练和评估，并已公开发布。