Self-RAG（Asai 等）：让模型自查检索必要性与答案支撑度

Self-RAG（Self-Reflective Retrieval-Augmented Generation）出自华盛顿大学与 Allen Institute for AI 的团队，2023 年 10 月提交预印本，ICLR 2024 发表。它把 RAG 里“要不要检索、检索来的材料行不行”从工程管线的外挂规则，搬进了模型内部的生成决策：模型在生成的同时用特殊标记自查，不合格的内容边写边筛。一句话结论：引擎答案的优劣分层，很大程度上来自这类内化的自查行为——内容能否被引用，取决于它能否通过模型自设的“相关性、支撑性、有用性”三道审查（引擎自查行为的机制视角见站内验证行为机制卡）。

反思标记怎么工作：四问贯穿一次生成

论文的核心设计是反思标记。第一问是“要不要检索”（Retrieve）：面对一条问题，模型先判断开联网检索是否必要，常识闲聊不必取外材，时效或事实密集的问题则触发检索。第二问是“材料相关吗”（ISREL）：对取回的每份文档打相关性分，无关材料直接降权。第三问是“答案有依据吗”（ISSUP）：逐句检查生成内容是否被检索到的材料支撑。第四问是“答案有用吗”（ISUSE）：在支撑之外再评一次对提问者的实际效用。

这四问是当作下一步词预测来训练的，与生成同一套机制完成，不需要外挂评审器。训练后的模型在事实性任务上的答案质量优于固定“每问必检索”的基线，也优于不检索的裸模型——自查不是装饰，它实际参与了内容取舍。对内容方的隐含标准因此变得清晰：模型在找“有出处、可支撑”的片段，而不是“口吻自信”的段落。

对 GEO 监测的含义：两条答案路径与自查筛选

自适应检索给监测带来了一个容易被忽略的分岔：同一条问题，引擎可能走检索路径也可能走记忆路径。品牌词问题尤其典型——模型若认为“我已经知道这个品牌”，可能完全不访问任何网站，直接凭训练语料作答。两条路径的可优化面完全不同：检索路径吃内容工程，记忆路径吃全网语料与实体热度（这个维度的展开见模型记忆份额术语卡）。监测时若不区分两种作答，同题答案的前后变化就无法归因——是检索到了新内容，还是模型记忆被更新。

自查筛选则解释了另一种常见现象：来源列表里有你，正文却只字未提。ISREL 与 ISSUP 的逻辑下，相关性只是入场券，被支撑、可引用的片段才会进正文；一页内容若只有标题相关、正文松散，就停在“被取回、未采用”的尴尬层。监测口径上应把“进入引用列表”与“进入答案正文”当作两级信号分开记录，中间的落差就是内容支撑度不足的直接证据。

一个延伸问题：不检索的作答谁在兜底

自适应检索把答案分成两条来路，也把“谁在为正确性兜底”一分为二。检索路径上，兜底的是被取回的内容与模型的支撑审查，内容工程可以直接施力；记忆路径上，兜底的是训练语料的构成与模型的知识截止，内容方只能通过全网语料层间接影响。分界并不对外暴露——用户与监测者都看不到某次回答到底有没有访问网页。

这带来一个务实的监测动作：对同一问题集，除记录答案文本外，记录“是否带引用来源”这个二元信号。带引用的回答大概率走了检索路径，可从引用源入手分析；不带引用的回答走记忆路径，对错要在语料层找原因——全网权威口径是否一致、模型记忆是否停留在旧版本。两类回答分开统计，纠错动作才有的放矢；模型版本变更造成的记忆整体更新，另按模型版本漂移术语卡的纪律重跑基线。

对内容工程的含义与证据口径

顺着自查逻辑反推，内容工程有三条可执行动作。其一，给关键论断配原生出处：数字、日期、规格参数在页面上写清来源，模型做 ISSUP 类判断时才有支撑可用。其二，减少“自信但无据”的表述：形容词堆砌与绝对化断言既过不了支撑审查，还可能被更扎实的竞品段落顶替。其三，覆盖“无需检索”的问题域：品牌的基础事实（成立时间、主营业务、核心产品）要散布在模型高频采信的语料层——权威百科、行业名录、一致的全网口径——让记忆路径下的作答也有正确素材。其四，把支撑审查当自查清单：发布前用机器视角过一遍页面，每个论断有没有出处、每个数字能否独立核验、段落是否自含，通过率高的内容在两条路径上都占优。

证据徽章口径交代如下。本卡定级学术：反思标记的机制与实验结论出自经同行评审的论文，题录与引用以 arXiv 官方页面为准；但 Self-RAG 是一个开源研究框架而非任何商业引擎的架构披露，各大答案引擎是否内建同款自查机制并无公开实证，我们的对应解读是“机制同构的推断”，不是事实陈述。引擎侧最接近的公开行为是生成过程中的自检与二次检索（见验证行为机制卡），两者可以互为参照。落地链路的另一端——检索结果如何附着进答案与引用——见落地链路机制卡；幻觉的测量视角则另有HalluEval 文献卡可对照阅读。