RAG
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
先检索文档再生成，把外部知识接进语言模型。
这一站还没有本站深度解读，可以先读 arXiv 原文。
时光机 · AI 搜索
15 站，按论文首次公开的年月排列；点站点看要点，有深度解读的不用跳页就能读全文。
← → 换站 · Esc 收起
WebGPT
WebGPT: Browser-assisted question-answering with human feedback
让模型操作浏览器搜索、给出引用，并用人类反馈训练。
这一站还没有本站深度解读，可以先读 arXiv 原文。
ReAct
ReAct: Synergizing Reasoning and Acting in Language Models
思考和调用搜索交替进行，搭起 agent 的基本循环。
这一站还没有本站深度解读，可以先读 arXiv 原文。
IRCoT
Interleaving Retrieval with Chain-of-Thought Reasoning for Knowledge-Intensive Multi-Step Questions
多跳问答里每推理一步就再检索一次。
这一站还没有本站深度解读，可以先读 arXiv 原文。
FLARE
Active Retrieval Augmented Generation
模型没把握时才主动去检索。
这一站还没有本站深度解读，可以先读 arXiv 原文。
Self-RAG
Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection
用反思 token 让模型自己决定要不要检索、证据靠不靠谱。
这一站还没有本站深度解读，可以先读 arXiv 原文。
Search-o1
Search-o1: Agentic Search-Enhanced Large Reasoning Models
推理模型在长思维链中途自己去搜索。
这一站还没有本站深度解读，可以先读 arXiv 原文。
Search-R1
Search-R1: Training LLMs to Reason and Leverage Search Engines with Reinforcement Learning
只用结果奖励的强化学习训练多轮搜索。
这一站还没有本站深度解读，可以先读 arXiv 原文。
DeepResearcher
DeepResearcher: Scaling Deep Research via Reinforcement Learning in Real-world Environments
在真实网页环境里做强化学习，而不是本地语料。
这一站还没有本站深度解读，可以先读 arXiv 原文。
WebThinker
WebThinker: Empowering Large Reasoning Models with Deep Research Capability
推理模型边搜、边浏览、边写报告。
这一站还没有本站深度解读，可以先读 arXiv 原文。
ZeroSearch
ZeroSearch: Incentivize the Search Capability of LLMs without Searching
用大模型模拟搜索引擎，省掉强化学习训练时调用真实搜索的成本。
这一站还没有本站深度解读，可以先读 arXiv 原文。
R3-RAG
R3-RAG: Learning Step-by-Step Reasoning and Retrieval for LLMs via Reinforcement Learning
用强化学习学会何时检索、检索什么、何时停。
让 LLM 通过强化学习自主学习何时检索、检索什么、以及何时停止检索，而非遵循预设的工作流。
深度解读原文
LatentRAG
LatentRAG: Latent Reasoning and Retrieval for Efficient Agentic RAG
把多步推理搬进隐空间，降低 agentic RAG 的延迟。
agentic RAG 的端到端延迟通常是 single-step RAG 的 8–10×
深度解读原文
SIRA
Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval
主张检索 agent 要有真正的检索控制能力，而不是靠多轮检索加长上下文来补。
主流 Agent 往往把检索器当成黑盒：发出一个查询、阅读片段、再依据片段中的实体与词汇改写下一轮查询。
深度解读原文
AGR
AGR: Agentic Generative Retrieval with Tool-Augmented Search
生成式检索边生成编码，边按需调用工具查特征。
AGR 让生成式检索模型在需要时再查特征，而不是每次把用户的全部历史都读一遍。
深度解读原文