蚂蚁提出HIRAG：三层架构卷赢传统 RAG

论文题目：HIRAG: Hierarchical-Thought Instruction-Tuning Retrieval-Augmented Generation
论文地址：https://arxiv.org/pdf/2507.05714v2

核心要点：HIRAG（Hierarchical-Thought Instruction-Tuning Retrieval-Augmented Generation）通过三级递进能力（过滤、组合、推理）解决传统RAG仅关注信息检索而忽视有效利用的痛点，在小规模模型上实现媲美甚至超越大模型的复杂问答性能。

实验结论
1、能力递进设计：通过三级任务（过滤→组合→推理）的递进式训练，模型获得了处理复杂RAG场景的系统性能力，而非零散的技巧。
2、小模型大突破：HIRAG(Llama3-8B)在多个数据集上超越了13B甚至70B规模的基线模型，证明了方法的高效性和数据利用能力。
3、跨模型泛化：在Llama2、Llama3和Qwen2.5等不同系列模型上均取得一致提升，表明HIRAG的训练范式具有普适性。
#人工智能##大模型应用##聊聊我眼中的AI##论文分享#