安全的多元化RAG：带有安全过滤的混合知识检索

现有的增强检索生成（RAG）系统在企业环境中面临挑战，原因在于检索范围有限和数据安全风险。当相关的内部文件不可用时，系统难以生成准确和完整的响应。此外，使用封闭源的大型语言模型（LLM）引发了对专有信息泄露的担忧。为解决这些问题，我们提出了安全的多元化RAG（SecMulti-RAG）框架，该框架不仅从内部文档中检索，还从两个补充源中检索：针对预期查询的预生成专家知识和按需外部LLM生成的知识。为了降低安全风险，我们采用本地开源生成器，并仅在过滤机制认为提示安全时选择性使用外部LLM。该方法增强了完整性，防止了数据泄漏，并降低了成本。在我们对汽车行业报告生成任务的评估中，SecMulti-RAG显著优于传统RAG——在基于LLM的评估中，正确性、丰富性和有效性实现了79.3%–91.9%的胜率，而在人类评估中则为56.3%–70.4%。这表明SecMulti-RAG是企业RAG的实际和安全解决方案。