搜索
随着大语言模型在各类应用中加速落地，一个核心技术瓶颈日益凸显——AI始终缺乏真正的长期记忆能力。当前主流的RAG（检索增强生成）方案依赖语义相似度检索历史信息，但“语义相似”并不等于“真正相关”，常常出现检索结果不完整、无法区分信息相关性、缺乏推理能力等问题。
在教育科技领域，题库是核心资产，更是连接学生、教师与知识体系的关键入口。
RAG 系统上线后答案出错，绝大多数团队的第一反应都是换更贵的模型、反复调试 prompt。
2022年10月，Elon Musk 以 440 亿美元收购 Twitter，第一件事就是解雇 CEO Parag Agrawal。这位被 Jack Dorsey 亲自提拔的印度裔工程师，在舆论场里几
Doc-V* 由小米大模型 Plus 团队和华中科技大学 VLRLab 团队合作提出，一种从「静态阅读」到「主动探索」的多页文档理解新范式，通过交互式视觉推理让模型像人一样有策略地阅读长文档。
做 RAG 多跳问答的朋友，应该没有人还没被图数据库PUA 过。
做 RAG 的团队，基本都会在多轮对话上吃过亏。
Karpathy 表示，大多数人使用 LLM 处理文档的方式，基本都类似于 RAG：你上传一组文件，模型在查询时检索相关片段，然后生成答案。这种方式是有效的，但问题在于每一次提问，模型都在从零重新发现知识。没有积累。
去年讨论Agent落地时，重点往往是Context Engineering。大家都在琢磨怎么放 Few-shot，怎么优化 RAG 检索的文本片段。但随着 Agent 任务复杂度的上升，控制数据流向、工具调度和异常处理的底层脚手架代码，往往比单纯拼接文本对系统性能的影响更大。
Mirage（原 Captions）宣布获得 7500 万美元 融资，由 General Catalyst 旗下 Customer Value Fund（CVF）提供。这类资金的逻辑，与传统 VC 明显不同，它更关注已经被验证的增长模型与单位经济，而不是单纯押注未来。