Anthropic 发布 Contextual Retrieval:检索失败率最高降 67%
adnan_hashmi · x · 2026-10-03
Anthropic 工程团队提出 Contextual Retrieval 方法,针对传统 RAG 在编码时丢失上下文、导致检索失败的痛点给出解法,包含两个子技术:
- Contextual Embeddings 与 Contextual BM25:在入库前为每个 chunk 生成上下文说明,再分别做嵌入检索与 BM25 检索;
- 单独使用可将检索失败次数降低 49%,结合 reranking 后降低 67%;
- 配合 prompt caching 可控制成本,官方提供 cookbook 供基于 Claude 直接部署。
文中还提到:若知识库小于 20 万 token(约 500 页),可以不用 RAG,直接把全部资料放进 prompt,再用 prompt caching 提速降本。
「研究」频道最新
- Animation Bench 引热议：六家实验室研究员称动画能力缺口早被忽视 — himanshustwts · 2026-10-03
- 瑞典团队打造闭环 AI 科学家：自动提出假说并操纵机器人做实验 — Brighter-Side-News · 2026-10-03
- 扩散模型生成国际象棋谜题：新 RL 配方破纪录，模型开源 — TZahavy · 2026-10-03
- 离散扩散新方法让 LLM 推理无损提速，可直接替换现有训练管线 — Cohere · 2026-10-03
- 传统 nDCG 高分仅 53% 获人类认同,RCP-nDCG 提升至 97% — Nils_Reimers · 2026-10-03
- MemFold 用固定预算软记忆加在线优化刷新长程个性化记忆基准 — Jingxuan Wu · 2026-10-03