深度分析
端到端評估 FATHOMS-RAG：跨文檔與多模態 RAG 的幻覺偵測與 OCR 整合
研究指出，檢索增強生成（RAG）可減少大型語言模型的幻覺，針對多模態科學文件的端到端評估仍短缺。本文提出FATHOMS-RAG，結合短語召回與最近鄰嵌入分類器以區分放棄與幻覺，並發現封閉源系統在正確性與幻覺避免上顯著領先。該基準含93題、涵蓋表格、圖像與跨文檔問題，並由人類評估驗證指標效度。
LlamaIndex
深度分析
LlamaIndex 聚焦語境與模組化：RAG 框架進入 AI 自動化時代
開發者過去依賴索引層、查詢引擎等腳手架建構LLM應用，LlamaIndex CEO Jerry Liu認為模型已能自行處理大量非結構化資料，框架需求縮減，語境解析與模組化成為新核心，業界必須調整堆疊策略。同時MCP與ClaudeAgentSkills讓模型即時發現並使用工具，降低整合成本。
檢索增強生成
RAG_Techniques 開源專案全解析：向量檢索、LangChain 與 LlamaIndex 深度實作
GitHub 新發現 RAG_Techniques 專案提供多項檢索增強生成技術教學，涵蓋 LangChain、LlamaIndex 與向量資料庫整合。結合 UltraRAG、VimRAG 與 Databricks 多步驟代理人等最新研究，提升多模態與混合查詢效能。此專案為台灣 AI 開發者提供可落地的實作範例與產業應用洞見。