---
title: "LongRAG – 智谱联合清华和中科院推出的双视角鲁棒检索框架"
url: "https://paooo.com/aigc-news/25325/"
author: "Prompt 语宙研究院"
published_at: "2026-07-13T07:48:29+08:00"
updated_at: "2026-07-13T07:48:29+08:00"
categories: "AIGC 资讯"
tags: "RAG检索增强, 大模型微调, 智谱AI"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# LongRAG – 智谱联合清华和中科院推出的双视角鲁棒检索框架

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/25325/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-13

## AI 30 秒核心看点 (TL;DR)

- 双视角鲁棒检索框架同时处理全局上下文与事实细节，专攻长文本问答难题。
- 混合检索器、LLM增强提取器、CoT过滤器和生成器协同工作，提升证据密度与答案准确性。
- 在多个数据集上优于长上下文LLM、先进RAG和Vanilla RAG，并支持自动化微调数据构建。

## LongRAG是什么

LongRAG是清华大学、中国科学院和智谱的研究团队推出的，面向长文本问答（LCQA）的双视角鲁棒检索增强生成（RAG）框架。基于混合检索器、LLM增强信息提取器、CoT引导过滤器和LLM增强生成器四个组件，有效解决长文本问答中的全局上下文理解和事实细节识别难题。LongRAG在多个数据集上超越长上下文LLM、高级RAG系统和Vanilla RAG等基线模型，展现出卓越的性能和鲁棒性。LongRAG提供自动化微调数据构建管道，增强系统的“指令跟随”能力和领域适应性。

## LongRAG的主要功能

- **双视角信息处理**：基于全局信息和事实细节的双视角来理解和回答长文本上下文问题。

- **混合检索器**：快速从大量数据中检索与问题相关的信息片段。

- **LLM增强信息提取器**：将检索到的片段映射回原始长文本段落，提取全局背景和结构信息。

- **CoT引导过滤器**：用链式思考（Chain of Thought, CoT）指导模型关注与问题相关的信息，过滤掉不相关的内容。

- **LLM增强生成器**：结合全局信息和关键事实细节生成最终答案。

- **自动化微调数据构建**：基于自动化流程构建高质量的微调数据集，提升模型在特定任务上的表现。

## LongRAG的技术原理

- **检索增强生成（RAG）**：基于RAG框架，检索外部知识辅助语言模型生成回答。

- **全局信息和细节信息的整合**：系统不仅关注局部事实细节，还整合长文本中的全局信息，提供更全面的答案。

- **映射策略**：将检索到的片段映射回原始长文本，恢复上下文信息，提供更准确的背景结构。

- **链式思考（CoT）**：用CoT作为全球线索，指导模型逐步关注与问题相关的知识，提高证据密度。

- **过滤策略**：基于CoT的全局线索，过滤掉不相关的信息片段，保留关键的事实细节。

## LongRAG的项目地址

- **GitHub仓库**：[https://github.com/QingFei1/LongRAG](https://github.com/QingFei1/LongRAG)

- **arXiv技术论文**：[https://arxiv.org/pdf/2410.18050](https://arxiv.org/pdf/2410.18050)

## LongRAG的应用场景

- **客户服务与支持**：在客户服务领域，理解和回答长篇的客户查询或历史交互记录，提供更准确的回答和解决方案。

- **医疗咨询**：在医疗行业处理大量的病人记录和医学文献，回答医生或病人关于疾病、治疗和药物的复杂问题。

- **法律咨询**：帮助法律专业人士基于分析大量的法律文件和案例，提供关于法律问题的深入分析和建议。

- **教育与研究**：在教育领域，作为辅助工具，帮助学生和研究人员深入理解长篇学术文章和研究报告，回答研究相关的问题。

- **企业决策支持**：分析市场研究报告、企业年报等长篇文档，为商业决策提供数据支持和洞察。

## 常见问题解答 (FAQ)

### LongRAG适合解决什么问题？
LongRAG主要面向长文本问答（LCQA），适合处理需要同时理解全局背景和局部事实的任务，例如长文档检索、复杂问答和多段证据整合。

### LongRAG和普通RAG有什么区别？
普通RAG通常更侧重检索相关片段，而LongRAG加入了LLM增强信息提取、CoT引导过滤和生成机制，能把检索内容映射回原文并兼顾全局结构与细节事实。

### LongRAG有哪些应用场景？
可用于客户服务、医疗咨询、法律分析、教育研究和企业决策支持等场景，尤其适合需要阅读大量长文档并给出准确答案的任务。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
