本文约1000字，建议阅读5分钟

在本教程中，我们全面回顾了现有的关于检索增强大型语言模型（RA-LLMs）的研究工作。

作为人工智能领域最先进的技术之一，检索增强生成（RAG） 技术能够提供可靠且最新的外部知识，为众多任务带来了巨大的便利。特别是在AI生成内容（AIGC）时代，RAG强大的检索能力可以提供额外的知识，帮助现有的生成式AI生成高质量的输出。最近，大型语言模型（LLMs）在语言理解和生成方面展现了革命性的能力，但它们仍面临固有的局限性，如幻觉和过时的内部知识。鉴于RAG在提供最新且有用的辅助信息方面的强大能力，检索增强的大型语言模型（RA-LLMs） 应运而生，利用外部的权威知识库，而不是单纯依赖模型的内部知识，从而增强LLMs的生成质量。

在本教程中，我们全面回顾了现有的关于检索增强大型语言模型（RA-LLMs）的研究工作，涵盖了三个主要技术视角：架构、训练策略和应用。作为基础知识，我们简要介绍了LLMs的基本原理及其最近的进展。接着，为了展示RAG对LLMs的实际意义，我们按应用领域对主流相关工作进行分类，详细说明了每个领域面临的挑战及RA-LLMs的对应能力。最后，为了提供更深刻的见解，我们讨论了当前的局限性以及未来研究的几个有前景的方向。

我们的综述论文：《RAG-Meets-LLMs: 迈向检索增强的大型语言模型》

https://advanced-recommender-systems.github.io/RAG-Meets-LLMs/