大型語言模型

深度分析

CodaRAG：以互補學習驅動的關聯檢索框架重構知識鏈結

大型語言模型在知識密集任務上易產生幻覺，CodaRAG 以互補學習為靈感，將檢索從被動查找轉為主動關聯，透過知識整合、關聯導航與干擾消除三階段重建證據鏈。實驗顯示其召回率提升 7‑10%、生成準確度提升 3‑11%，顯著提升模型的事實推理能力。