大模型RAG的召回模式
大模型的召回模式，通常指的是在检索增强生成（RAG, Retrieval-Augmented Generation）或多阶段信息检索系统中，大模型在“召回”（recall）阶段所参与的方式或策略。这个概念可以从两个维度理解：
一、狭义理解：RAG 框架中的召回模式
在RAG系统中，“召回”是指从大规模知识库中检索出与用户query相关的候选文档/片段，后续再由大模型（如GPT）生成最终回答。召回模式主要有以下几种：
1. 稠密召回（Dense Retrieval）
- 使用双塔结构（如DPR, ColBERT, Faiss+Embedding）进行Embedding相似度检索。
- 常见流程：
- 将query通过Query Encoder编码为向量；
- 检索与之向量相似的文档向量。
- 优点：语义层次的召回能力强，泛化性好。
- 适配：适合结合大模型Embedding（如OpenAI, BGE, DeepSeek等）做语义向量检索。