WWW 2026最佳长文：大模型信检索还是记忆？MedRGAG破局

在人工智能飞速发展的当下，大型语言模型（LLM）的能力边界不断拓展，但在医疗、法律等对准确性要求极高的垂直领域，其表现仍受制于两大核心痛点：一是外部检索可能遗漏关键证据，导致回答片面；二是内部参数化知识可能产生幻觉，误导推理方向。长期以来，业界在解决这一问题时，往往陷入“信检索”还是“信记忆”的二元对立争论中。然而，2026年ACM Web Conference（WWW 2026）颁发的唯一最佳长文奖，给出了一种超越这种对立的全新视角。这篇由中国人民大学高瓴人工智能学院与腾讯天衍实验室合作完成的论文，提出了MedRGAG框架，不仅解决了医疗问答中的可靠性难题，更揭示了大模型知识组织的底层逻辑。

传统的主流技术路线主要分为两派。一派是检索增强生成（RAG），主张“先查再答”，通过引入外部知识库来抑制幻觉，确保答案有据可依。然而，RAG的致命弱点在于检索的局限性，一旦关键证据未被召回，模型便只能在残缺的信息基础上作答，极易导致误判。另一派是生成增强生成（GAG），主张“先生成再答”，利用模型内部存储的参数知识生成背景信息。这种方法虽然贴题，但一旦生成的背景知识本身存在偏差，幻觉便会以“伪证据”的形式污染下游推理。过去的研究多致力于融合这两类材料，试图缓解冲突，却鲜少追问一个根本性问题：这些材料是否真正覆盖了回答问题所需的全部知识？

MedRGAG的核心创新在于转换了问题的出发点。它不再纠结于检索和生成谁更可靠，而是从“回答这个问题到底需要哪些知识”这一需求出发，构建了一套“检索-补全-选择”的知识组织流程。这种范式将传统的线性处理重构为一种查漏补缺式的协同机制。首先，系统通过多源检索获取初始的外部事实锚点；接着，通过知识引导的上下文补全模块（KGCC）识别知识缺口并定向生成补充内容；最后，利用知识感知的文档选择模块（KADS）从混合候选池中筛选出最能支撑答案的证据组合。这一过程并非简单的叠加，而是围绕同一份问题需求进行的深度协同。

KGCC模块的设计体现了极强的针对性。传统的GAG往往直接围绕问题生成参考资料，容易陷入重复或偏离主题的陷阱。而KGCC采取了更为严谨的三步走策略：总结、找缺口、补全。它首先将检索到的文档压缩为与问题相关的知识点，剔除无关噪音；随后，主动追问“要彻底回答该问题，还缺哪些关键信息”，从而精准定位最重要且不重复的知识缺失点；最后，围绕这些缺口逐条生成背景文档。这种机制确保了生成内容不再是自由发挥，而是被明确的目标所牵引，既保证了相关性，又避免了对已有证据的冗余重复。生成在此处不是为了替代检索，而是为了填补检索暴露出的空白。

然而，当检索文档与生成文档共同进入候选池时，新的问题随之而来。如果将所有文档一股脑地输入给阅读器，不仅会增加上下文负担，还会引入大量噪声。更棘手的是，传统的重排序器（Reranker）或相似度排序算法往往存在“自恋偏好”，即倾向于保留那些与问题表面相似度高的生成文档，而忽略那些看似不相关但包含关键事实的检索证据。例如，某些检索证据虽然文本结构与问题差异较大，却可能包含决定诊断方向的关键病理特征。KADS模块正是为了解决这一痛点而生。

KADS将文档选择转化为一次“证据拼图”游戏。它不再询问“哪篇文档最像问题”，而是询问“哪几篇文档合起来能覆盖答案所需的知识”。通过拆解回答问题所需的各个知识块，KADS评估每篇候选文档对特定知识块的贡献度，从而选出一组覆盖完整、冗余度低的证据组合。实验数据显示，KADS精选出的5篇文档，其准确率甚至超过了将10篇候选文档全部输入的合并策略。这证明了一个重要结论：更多的上下文并不等于更好的答案，真正重要的是把对的证据留给模型。这种基于知识覆盖度而非文本相似度的选择机制，有效纠正了传统排序器的偏差，重新保留了那些低相似度但高信息量的关键证据。

值得注意的是，MedRGAG的性能提升并非依赖于对医学大模型的重新训练。其使用的阅读器包括Qwen2.5-7B、LLaMA-3.1-8B等通用开源模型，生成、总结、找缺口、选择等环节也主要由通用模型完成。这意味着MedRGAG是一种无需训练、即插即用的框架，其性能增益完全来自于更合理的知识生成与组织方式。在MedQA-US、MedMCQA、MMLU-Med、PubMedQA、BioASQ-Y/N五个权威医学问答基准上的测试结果表明，MedRGAG在大多数“数据集×阅读器”组合上均取得了最优或接近最优的表现。相比检索代表方法MedRAG，其平均相对提升约12.5%；相比生成代表方法MedGENIE，提升约4.5%；相比无外部知识的直接作答，提升更是高达15.3%。

通过一个具体的NF2突变病例分析，我们可以清晰地看到MedRGAG的工作流。面对“携带NF2突变的患者患哪类疾病风险升高”的问题，检索文档提供了NF2与22号染色体基因突变及脑膜瘤关联的基础事实，但缺乏鉴别诊断信息。KGCC模块随即识别出这一缺口，生成了关于NF2典型肿瘤谱系及其与VHL综合征区别的背景知识。最终，KADS从候选材料中精选出一篇检索文档和两篇生成文档，帮助模型准确排除了干扰项，给出了正确答案“脑膜瘤”。在这个案例中，检索提供了事实锚点，生成补上了鉴别知识，而KADS则完成了最终的证据整合，实现了查漏、补缺、排雷的全流程闭环。

尽管MedRGAG在效果上表现卓越，但其落地应用仍面临一些挑战。首先是延迟问题，由于增加了知识缺口探索、背景生成等步骤，推理成本相对较高。不过，作者指出这些步骤可以通过并行化处理、缓存机制以及将功能模块蒸馏为专用小模型来优化，从而降低部署成本。其次，系统对辅助模型的能力有一定要求。实验发现，当辅助模型从GPT-4o-mini降级为轻量级模型时，性能会出现明显下滑。这是因为KGCC和KADS涉及复杂的指令跟随和多阶段推理，尤其是“缺什么知识”的判断，需要模型具备较强的知识边界感知能力。因此，在资源受限的环境中，可能需要训练或蒸馏专用的轻量级模型来承担问题拆解和证据选择任务。

从更宏观的视角来看，MedRGAG的价值远超出了医学问答这一垂直领域。它触及了知识增强系统的一个普遍难题：如何将“拥有的知识”组织成“可靠的判断依据”。在当前的AI研究中，许多工作仍在追求把检索做得更准、把生成做得更真，却忽视了两者之间的协同效应。MedRGAG通过“知识需求驱动”的视角，证明了只有当检索和生成围绕同一个目标协同工作时，才能最大化地发挥各自的优势。这种思路对于其他需要高可靠性的领域，如法律咨询、金融风控、科学发现等，都具有重要的借鉴意义。

此外，该研究也揭示了当前大模型评估体系中的一个盲点。传统的评估往往关注最终答案的准确性，而忽略了中间推理过程的合理性。MedRGAG的成功表明，优化知识组织过程本身就能带来显著的性能提升，这提示我们在未来的模型设计中，应更加重视中间环节的可控性和透明度。通过显式地建模知识缺口和证据选择过程，我们不仅可以提高答案的准确性，还可以增强模型的可解释性，让用户清楚地知道答案是基于哪些证据得出的，从而建立更深层次的信任。

综上所述，MedRGAG框架的提出，标志着大模型应用从粗放式的知识堆砌向精细化的知识管理转变。它不再简单地让模型在“查到的”和“记得的”之间做选择，而是教会模型如何判断查到的还缺什么、记得的能补什么，以及如何将二者有机结合起来。这种能力的获得，是大模型走向可信应用的关键一步。随着技术的进一步成熟和优化，我们有理由相信，这种基于知识需求驱动的范式将在更多领域得到广泛应用，推动人工智能从单纯的智力工具进化为真正可靠的决策助手。