一种面向大模型的多范式检索增强推理方法及系统

本发明涉及人工智能与自然语言处理技术领域，具体为一种面向大模型的多范式检索增强推理方法及系统，包含以下多源异构数据混合检索，动态适配检索策略选择与噪声过滤，迭代推理初始生成与置信度检测，迭代推理反馈驱动检索，迭代推理推理链验证；有益效果为：通过多范式混合检索(稀疏、密集、图结构)实现多源异构数据互补，覆盖文本、结构化知识及跨模态信息，减少单一检索模式的知识盲区。在开放域问答任务中，事实性错误率较传统检索增强方法降低22％，尤其对时效性敏感问题(如最新事件)的准确率提升达35％。