如果把大模型回答问题当做一场考试。微调可以看做闭卷考试，开卷考试则是RAG。
- 闭卷考试 ≈ 微调（Fine-tuning）：模型像一个学生，只能依靠自己"背"下来的知识来答题。如果训练数据中没有某个知识，它就答不上来，甚至会"凭感觉"胡说。
- 开卷考试 ≈ RAG（Retrieval-Augmented Generation）：模型像一个学生，可以翻书、查资料，根据检索到的信息来回答问题。这样答案更准确、有据可依。
那么，RAFT（Retrieval-Augmented Fine-Tuning） 是什么呢？
一、什么是RAFT？
（1）假设我们要教一个学生准备历史考试
情况1：传统微调（闭卷）
我们只给他一本教科书，让他背下来。考试时不准翻书。
**结果是：**他只能靠记忆答题。如果题目超纲了，他就答不出来。
情况2：RAG（开卷）
考试时允许他带一堆参考书，遇到不会的题就翻书查。
**结果是：**他能答对很多题，但每次都要花时间查资料，效率低，而且如果检索不准，答案也会错。还可能出现"有书不会用"的情况（比如他是个外国人从来没学过中文和中国历史）。
情况3：RAFT（用开卷来训练闭卷）
我们先让他用开卷的方式做大量练习题（比如1000道历史题，每道题都附带从资料书中检索到的正确段落）。但在训练过程中，我们只保留那些"检索到的正确资料 + 正确答案" 的样本，过滤掉检索错误或答案错误的样本。然后，我们用这些高质量的"问题+正确上下文+正确答案"数据，去微调模型。
**结果是：**这个学生最终考试哪怕是闭卷，但他已经"学到了"很多原本不在他知识库里的内容，而且学得更准、更可靠。
（2）RAFT的核心思想
- 先用 RAG 的方式运行一遍：对每个训练样本，检索相关文档，生成答案。
- 筛选高质量的训练样本：只保留那些检索准确、生成答案也准确的样本。
- 用这些"黄金样本"去微调模型。
| 问题 | RAG 的局限 | RAFT 的改进 |
|---|---|---|
| 检索不准 | 检索到错误文档，导致答案错误 | 只用高质量检索结果训练，模型学到更可靠的知识 |
| 推理慢 | 每次都要检索，延迟高 | 微调后模型"内化"了知识，推理更快 |
| 知识固化 | 模型本身没学到新知识 | 模型通过高质量数据真正"学会"了新内容 |
二、如何进行RAFT？
（1）步骤一：准备问答对和外部知识库
你需要一组原始的问答对（可以是用户问题或任务数据）和一个结构化的外部知识库（如维基百科、公司文档、数据库等）
（2）步骤二：使用RAG进行检索增强生成
对每个问题使用检索器（如 BM25、DPR、向量数据库）从知识库中查找最相关的文档片段。然后将问题 + 检索到的上下文输入大模型，生成答案。
（3）步骤三：筛选高质量样本
留那些检索正确、生成也正确的样本。可以通过以下方式筛选：
- 人工标注：专家判断答案是否准确
- 自动评估：使用评分模型（如 BERTScore、ROUGE-L）对比标准答案
- 规则过滤：比如排除包含"可能"、"大概"等不确定词的回答
- 一致性检查：多次生成取共识
（4）步骤四：构造微调数据集
将筛选后的样本构造成标准的监督学习格式：
javascript
{
"input": "原始问题",
"context": "检索正确的文本",
"output": "模型生成正确的回答"
}（5）步骤五：微调大模型
使用上述高质量数据集对预训练语言模型（如 LLaMA、ChatGLM、Qwen）进行监督微调（SFT）。训练完成后，模型就具备了"内化"的知识，即使不联网、不检索，也能准确回答问题。
- 如果允许开卷（RAG模式），它能极其高效、精准地利用提供的参考书（检索到的文档）来组织答案，因为它在"特训"中专门练过这个。
- 即使不允许开卷（纯生成模式），它也能凭借在"特训"和"巩固"中内化的知识和策略，给出比普通闭卷学生（纯微调模型）更准确、更符合领域要求的答案，因为它学过如何"像开卷一样思考"。
- 它对参考书（检索器）的依赖降低了，即使偶尔检索到不太完美的文档，它也能凭借学到的策略更好地处理。