深度分析
GRASP：粒度感知檢索策略的強化學習多步推理框架
隨著大型語言模型在多步推理上需求提升，傳統單次檢索已不足。研究提出 GRASP，透過強化學習讓模型在語意搜尋、關鍵字搜尋與段落閱讀間動態切換，僅在需要時擴充上下文。實驗顯示在 HotpotQA、2WikiMultiHopQA 與 MuSiQue 上，其檢索召回與問答正確率均超過現有單步與提示式基線。
Agentic RAG
Agentic RAG
Ragent AI：基於 Spring AI 2.0 的企業級 Agentic RAG 全鏈路平台
Ragent AI 是一個以 Java 為基礎、結合 Spring AI 的企業級 Agentic RAG 平台，提供從文件入庫、意圖辨識、多人檢索、模型調度到 MCP 工具呼叫的完整閉環。平台支援多路檢索、置信度引導澄清、模型自動降級與健康檢查，並提供實務化的坑點對策，適合想要在台灣企業環境落地 AI 工作流的開發者參考。
深度分析
在院端運行的 Agentic RAG 方案 ACIE：FHIR 資料抽取與 96.5% 準確率
本研究針對臨床資訊抽取缺乏文件層級中繼資料的問題，提出在院端部署的AgenticRAG系統ACIE，透過醫師自行設定的結構化schema與內容導向檢索，將每筆抽取結果以原文段落為根據供驗證。實驗於99名患者7326筆判斷取得96.5%接受率，顯示即使缺乏可靠中繼資料，亦能達到高精度抽取。
Retrieval-Augmented Generation
深入解析 rag-interview-questions：涵蓋 12 種 RAG 類型的 140 題面試題
新發現的開源專案rag-interview-questions彙集140題，涵蓋12種RAG架構與難度標籤，提供快速查詢與決策樹。此資源有助開發者掌握RAG技術細節，提升面試與實作效率。同時提供詳細答案、cheatsheet與決策樹，方便快速定位最佳RAG方案。
Agentic RAG
ragent—以 Java 17、Spring Boot 與 Milvus 建置的企業級 Agentic RAG 全鏈路工程化
拿個offer推出的開源專案ragent，定位企業級AgenticRAG平台，覆蓋文件解析、多路檢索、意圖識別、問題重寫與工具調用。以Java與Spring為技術棧，整合向量庫與管理後台，強調全鏈路追蹤與工程化部署，對企業建置RAG具參考價值。有利於團隊快速建置生產級RAG流程。