检索增强生成

当 ChatGPT 在 2022 年底点燃生成式 AI 浪潮时，很少有人意识到这场技术革命的代价之一是电力。大模型的训练和推理需要海量算力，而算力来自数据中心，数据中心依赖电网供电。短短三年后，全球数据中心的电力消耗已经逼近甚至超越了一些中等国家的全国用电量——而这还只是开始。 一篇最新发表于 arXiv 的论文（ 2604.06198 ）首次系统量化了 AI 数据中心扩张对区域电力系统的冲击。研究者没有采用传统的能源经济学方法，而是另辟蹊径：利用大语言模型（ LLM ）进行语义推断，结合混合 RAG 框架预测数据中心选址和能源需求轨迹。核心发现令人警醒：AI 数据中心的地理集中化趋势正在创造"电力压力陷阱"——在局部区域形成远超电网承载能力的用电需求，并可能倒逼化石燃料发电复苏。 研究方法： LLM+RAG 的创新耦合 传统能源研究依赖历史数据和统计模型，预测数据中心 …
阅读更多

RAG智能体危机：多模态记忆系统在撒谎 当你的RAG智能体自信满满地回答用户问题时，你有没有想过一个问题：它检索到的那些"记忆"，有多少是真正可信的？ 两年前，行业普遍认为给大模型加上记忆模块就能解决"上下文不够长"的问题。于是所有人开始疯狂堆记忆容量、加检索增强、接多模态输入。但一篇来自匿名研究团队的新论文，冷不丁地给这股浪潮泼了一盆冰水——当前主流的记忆系统，正在系统性地生产"自信的谎言"。 这篇论文的核心发现，是一个被称作"视觉安慰剂效应"的诡异现象。 你的眼睛不是你以为的那样 让我们先做一个思想实验。当一个多模态RAG系统同时处理文本和图像时，如果图像本身是模糊的、带有噪声的，或者图像中的信息与文本存在冲突——模型会怎么做？ 答案是：它会"编造"一个合理的解释，然后自信地输出这个编造 …
阅读更多

你跟 AI 说：“帮我看看这张 X 光片有没有异常。“它给出了专业分析。 一周后，你说：“上周我给你看过一张 X 光片，有什么问题？“它说：“抱歉，我没有看过任何 X 光片。” 这不是 bug 。这是多模态大语言模型的原生缺陷。 现有的主流多模态模型，几乎全部采用"单次推理"架构——每一次新的输入，都是一次从零开始的推理过程。它们没有记忆，没有上下文连续性，更没有跨 session 的累积知识。 arXiv 在 2025 年 10 月发表的这篇论文，第一次系统定义了"多模态 Agent 记忆”（ Agentic Memory ）这一概念，并推出了一个专门用于评测多模态大语言模型记忆能力的基准——Augustus。 为什么多模态记忆是个大问题？ 单模态语言模型的记忆问题已经被广泛 …
阅读更多

想象一下，你问AI助手：“苹果公司2022年12月30日的市盈率是多少？“它却给你列出了2024年的所有财务数据，然后一本正经地回答了你的问题。这不是科幻，这是当前金融多模态RAG系统的真实水平。 当RAG（检索增强生成）技术在金融领域被吹捧为"颠覆传统投研"的神器时，一篇最新论文（2503.05185）用实证数据狠狠地揭开了这个领域最尴尬的秘密：现有的金融RAG系统，连"时间"这个最基本的金融分析维度都处理不好，更别说多模态融合了。 FinTMMBench：一个让所有RAG系统"见光死"的基准测试 这篇论文的核心贡献是构建了FinTMMBench——第一个专门评估时间感知多模态金融RAG系统的基准测试。这个benchmark的构建过程本身就充满挑战： 研究团队收集了2022年所有NASDAQ-100公司的 …
阅读更多

3D重建领域有条不成文的铁律：输入越清晰，模型输出越精确。但2024年底一篇被arXiv收录的论文，正在系统性拆解这条铁律——它拿"拍糊"的失焦图像当训练数据，在Deblur-NeRF合成数据集的Factory场景上把LPIPS压到0.0489，比号称最懂模糊的BAGS又低了三成多；更离谱的是，它在NeRF-LLFF这种以"全清晰"著称的基准上，也反超了原生3DGS。这不是某项指标的偶然抖动，而是对"清晰即正义"这一行业信仰的正面宣战。 把"拍糊"塞进3D高斯球 传统3D Gaussian Splatting自2023年横空出世以来，靠"先把世界撒成一亿个发光小雪球、再用光栅化一帧帧画出来"的暴力美学，在实时性与画质之间撕开一道口子。但它的硬伤同样刺眼：默认输入是"理想针孔相机 …
阅读更多