通用人工智能（AGI）被誉为人工智能领域的终极目标，旨在构建一种能够像人类一样快速学习、灵活适应各类任务的智能体。尽管大语言模型（LLM）在众多STEM学科中已展现出卓越能力，甚至达到前10%的水平，但距离实现真正的AGI仍有显著差距。问题根源之一常被忽视：我们过度关注LLM自身的能力，而相对忽略了背后的检索技术。简言之，若模型无法准确获取信息，再强的语言能力也是无源之水。
一、AGI 的发展现状与瓶颈
（一）AGI 的概念与追求目标
AGI的核心理念是使机器具备类似人类的学习能力，在运行中持续获取新知。尽管当前LLM性能强劲，但在上下文理解、知识库关联以及信息检索的记忆能力方面，仍存在显著不足。真正的AGI应如同一位拥有完美记忆的人类专家，能随时调用所需信息——而这恰恰是当前检索技术最薄弱的环节。
（二）现有检索技术的局限
- 基本语义搜索：看似够用，实则捉襟见肘
目前绝大多数生产环境中的AI系统仍依赖基本语义搜索来提供上下文，典型代表是检索增强生成（RAG）系统，它们通常仅向向量数据库发起一次检索调用以获取信息。这种“一招鲜”的模式，除了最简单的“大海捞针”式搜索外，几乎无法应对更复杂的任务。例如，当查询需要深度理解数据关系、进行多步骤推理或精确筛选时，基本语义搜索便显得力不从心。 - 缺乏有效的评估机制
开发者很少正式评估自己的检索管道，以判断在哪些情况下这种简单方式会失效。通常，评估仅在终端用户阶段通过点赞/差评来反馈，但差评根本无法定位问题根源——究竟是用户体验问题、LLM产生了幻觉、检索管道失败，还是语料库本身缺少信息？这种“黑箱”状态让开发者难以有针对性地改进。
二、常见检索问题实例分析
（一）否定语义查询
例如，查询“哪些电动汽车文章没有提到埃隆·马斯克？”基于关键词和语义的搜索，往往会错误地返回大量提及马斯克的文章，因为“不包含”这一否定条件对现有检索技术而言是一个巨大挑战。它无法准确理解用户的真实意图，导致结果与预期南辕北辙。
（二）多跳查询
另一个场景：“如果收购公司未能召开股东大会，会有什么处罚？”回答此问题需要多步推理：首先找到关于未能召开股东大会后果的段落——假设结果是“协议将被终止”；然后还需查找“协议终止带来的处罚”。简单的语义搜索只能返回一堆与股东大会和各种处罚相关的零散段落，无法将“终止处罚”这一链条串联起来，也不会自动将最关键的结果提升到首位。
（三）模糊筛选查询
在医学研究领域，常见这样的查询：“在样本量超过2000的论文中，早期癌症推荐哪些诊断方法？”样本量信息通常隐藏在引言部分，而诊断方法则出现在文章深处。现有的RAG管道可能会检索出不符合样本量要求的文章，加之“超过2000”这样的筛选条件较为罕见，正确答案几乎无法被准确找到。系统无法将分散在不同部分的相关信息精准匹配。
三、检索评估的重要性与挑战
（一）检索评估：AI产品的“守门员”
检索评估是构建可靠AI产品的关键环节。准确的检索能为AI提供正确的上下文，从源头上减少错误信息的引入，从而降低幻觉，提升智能水平。如果检索系统连关键信息都无法准确抓取，再强大的LLM也无异于没有子弹的枪，最终用户对产品的信任度将大打折扣。
（二）评估为什么这么难？
- 数据需求复杂
与LLM评估只需（输入，输出）对不同，检索基准测试需要查询、特定时间点的完整语料库快照，以及准确的真实引用——且这些引用往往跨越多个文档。构建这样的基准测试需要投入大量人力和时间，门槛极高。 - 缺乏自动化方法
目前大多数评估依赖手动审查查询，劳动密集、一致性差，且大规模应用几乎不现实。没有自动化的评估手段，改进检索技术就像蒙眼走路，方向不明。
四、解决检索问题的探索
（一）构建检索基准框架
为突破评估困境，一些研究团队正致力于构建开源的基准创建框架。例如ZeroEntropy，它利用LLM自主定义和构建基准，进而计算召回率、精确率、平均倒数排名等确定性指标。这样的框架能为开发者提供标准化评估工具，帮助其精准定位管道中的问题，从而有针对性地优化算法。
（二）利用 LLMs 提升检索能力
LLM不仅在语言处理上表现卓越，还能反过来辅助检索。例如，将LLM与检索系统结合，可以借助其对自然语言的理解来优化查询解析和结果筛选。它能解析复杂查询、理解用户意图，并对检索结果进行重新排序和筛选。此外，LLM还可辅助生成更准确的检索基准——通过模拟用户查询和预期结果，为评估提供更丰富、多样化的数据。
（三）对 AGI 发展的推动作用
更强大的检索能力是实现AGI的基石。准确、高效的检索系统能为AGI提供坚实的知识基础，使其快速获取所需信息，从而更好地理解和处理复杂任务。随着检索技术的不断改进和评估方法的完善，AGI将更接近人类的智能水平——在医疗、法律、金融等领域，通过精准检索和分析大量专业文献，为专业人士提供更有价值的决策支持。
在追求AGI的征程中，不能仅仅着眼于提升LLM的参数和规模。当前以基本语义搜索为主的检索技术存在诸多局限：否定语义、多跳查询、模糊筛选……且缺乏有效的评估机制。好在，构建基准框架、利用LLM自身能力反哺检索，这些方向都值得期待。准确的检索能提供正确的上下文，减少幻觉，提升智能水平，最终推动AGI从实验室走向真实世界的广泛应用。