什么是Self-RAG？与普通RAG有何不同？

Self-RAG通过训练让模型学会「什么时候需要检索」以及「检索结果是否可信」，而非像普通RAG那样无条件检索+盲目生成

核心机制（三阶段）：

• Retrieve判断：模型首先判断当前Query是否需要检索（简单知识不需要）
• Critique反思：检索到文档后，模型自我判断文档是否相关、是否支持后续生成
• Generate生成：根据Critique结果选择生成策略——使用文档生成、忽略文档纯靠模型知识、或声明信息不足

相比普通RAG的优势：

• 按需检索减少不必要的检索延迟和成本
• 对不相关文档有自我辨识能力，不被噪音误导
• 能主动判断何时「承认不知道」而非强行生成

缺点：需要专门的训练数据标注和模型微调（在原LLM基础上增加Critique head）