ActiveRAG：通过主动学习揭示知识宝藏

检索增强生成（RAG）为大型语言模型（LLMs）引入了一种新范式，帮助解决知识密集型任务。然而，当前的RAG模型将LLMs定位为被动的知识接受者，从而限制了它们学习和理解外部知识的能力。本文提出了ActiveRAG，一种创新的RAG框架，将被动知识获取转变为主动学习机制。该方法利用知识构建机制，通过将外部知识与先前获得或记忆的知识关联，来深化对外部知识的理解。随后，设计了认知枢纽机制，融合了思维链和知识构建的结果，从而校准LLMs的内在认知。实验结果表明，ActiveRAG优于以往的RAG模型，在问答数据集上提升了5%的表现。所有数据和代码均可在https://github.com/OpenMatch/ActiveRAG获取。