本文提出了一种名为Generator-Retriever-Generator (GRG)的新方法，结合文档检索技术与大型语言模型，旨在解决开放域问答中的挑战。GRG在多个数据集上表现优于现有方法，提升了答案的相关性和信息丰富性。同时，探讨了生成检索的关键发展及未来研究方向，并提出了新的学习框架FGD和无监督学习方法Grappa，以提高检索性能。

本文综述了检索增强生成在开放域问答中的进展，涵盖GenRead、GRG、GAR等方法，通过生成上下文文档提升检索与推理能力，在Natural Questions、TriviaQA等基准上优于传统检索-阅读模型，并拓展至生物医学等领域。