编者寄语
大型语言模型（LLMs）在处理特定领域或知识密集型任务时仍面临诸多挑战，如产生幻觉、知识过时以及推理过程不透明、不可追溯等问题。检索增强生成（RAG）技术应运而生，RAG通过检索外部知识库中的相关信息片段，并将其与用户查询结合，形成丰富的上下文，以指导LLMs生成更加准确和有根据的回答。这一过程不仅提高了对知识密集任务的处理能力，还允许知识库的持续更新和特定领域信息的整合，从而使得LLMs能够更好地适应现实世界的应用需求。大模型检索增强成为大模型领域学术界和工业界共同关注的热点问题。特将CCF数字图书馆相关报告视频和期刊文章资源以及其他平台与选题相关的资源进行聚合，内容覆盖大模型检索增强范式与框架、检索增强系统中的检索模型设计、检索增强开源工具、检索增强应用等多个角度，具有较高的学习价值。
本期主编：窦志成 CCF大数据专家委员会秘书长 中国人民大学高瓴人工智能学院教授/副院长
本期编委：王昊奋 CCF自然语言处理专委秘书长 同济大学设计创意学院特聘研究员
