Ragas通过衡量忠实性、答案相关性和上下文相关性，解决了在没有人工参考答案的情况下评估RAG系统所面临的挑战。该框架旨在实现RAG架构更快的评估周期，这对于大型语言模型（LLMs）的快速发展至关重要。

近年来，基于深度学习的视觉模型在文档理解领域取得突破，一系列开源模型（如 Donut, LayoutLMv3, Pix2Struct, DocFormer, TrOCR, BLIP 等）能够将图像中的文字和视觉布局信息融合，从而端到端地“理解”文件内容。在GPT-5 Research 的帮助下,本文聚焦上述模型在准确率、处理速度、可扩展性和使用成本等方面进行评估，并探讨它们在核电工程企业典型场景中的应用潜力，以及与传统OCR+NLP流水线的对比。

检索增强生成 (RAG) 是一种旨在通过整合外部知识库来增强大型语言模型 (LLMs) 能力的技术范式。本文对检索增强生成（RAG）当前技术路线与前沿进展进行了讨论。