DeepRAG 的框架旨在解決大型語言模型（LLMs）在事實性知識上的不足，特別是它們容易產生幻覺的問題。DeepRAG 的核心思想是將檢索增強生成（RAG）視為一個馬可夫決策過程（MDP），使其能夠更策略性地進行檢索。透過分解式查詢，DeepRAG 可以動態決定是否要檢索外部知識或依賴模型自身的參數化推理，最終提升檢索效率和答案準確性。文中包含相關研究推薦、引用模型/數據集/Spaces 的情況以及論文收藏數量等資訊。