论文
RAISE：将RAG设计视为架构搜索问题
RAISE: RAG Design as an Architecture Search Problem
摘要
检索增强生成（RAG）系统涉及众多设计选择，涵盖查询改写、分块、检索深度、重排序与上下文压缩。在实践中，这些选择往往凭启发式经验配置，阻碍了跨场景的系统评估与可复现性。我们主张，将这一挑战表述为RAG架构搜索最为合适。为支持对这一问题受控且可复现的研究，我们提出RAG Intelligence Search Engine（RAISE），一个面向RAG超参数优化的综合框架与基准，它在标准化的搜索空间与预算下评估RAG管线的优化方法。RAISE实现了13种搜索算法，并在七个公开文本与多模态数据集上以三个随机种子进行评估。我们的实验表明，优化性能高度依赖任务：在某一数据集上表现强劲的方法未必能在其他数据集上一致地泛化，这提醒人们不要把总体排名解读为存在普适最优策略的证据。RAISE为RAG超参数优化的公平、可复现与系统化研究提供了共同的实验基底。
