现有文档 RAG 评测都在不足：数据太小、查询太假、证据太单一。

华南理工&华科推出 DOUBLE-BENCH——迄今最大规模、多语言、多模态、多跳查询的文档 RAG 实战考场，用 5 168 条人工校验 query 把 9 个 embedding、4 个 MLLM、4 个端到端框架统统拉到现实场景下评测，结果：检索仍是最大瓶颈，模型普遍“过度自信”地胡说八道。

说到多模态大模型，国内快手也开源了Keye-VL-1.5-8B（国产大模型越来越好，就在这几天Claude点名全面封禁中国公司，离大谱），可本地部署，大家可以试试！

🔍 1 现有评测的不足

图 2：主流 benchmark 查询示例，信息不足或已提前泄露答案。

问题	典型案例	后果
① 评测面过窄	只测 embedding 或只测 VQA	看不到系统级瓶颈
② 假设用户开卷	直接给出目标页、文件名	与现实检索场景脱节
③ 证据唯一幻觉	单页 synthetic query	忽略多页均可回答
④ 多跳造假	把单跳硬拼成“伪多跳”	高估模型推理能力

🧪 2 DOUBLE-BENCH 长啥样？

维度	规模	备注
文档	3 276 份	72 880 页
语言	6 种	中/英/西/法/日/阿
类型	4 类	PDF、扫描件、幻灯、HTML
查询	5 168 条	2 500 单跳 + 2 668 多跳（2-3 跳）
证据	100 % 人工复核	单跳 set-of-evidence，多跳 chain-of-evidence

图 4：语料与语言分布，外圈为语言占比。

⚙️ 3 三步打造“真”考题

图 3：DOUBLE-BENCH 构建流水线，红框为人工介入环节。

1️⃣ 元数据收集与清洗

• 10–50 页文档，GPT-4o 判语言，Docling & MinerU 做模态拆分（正文/表格/图）。
  2️⃣ 单跳查询合成
• 四原则：自包含、禁止泄露源、聚焦显著模态、多样自然。
• 迭代 refine：若检索返回 >5 候选页，则自动加入区分细节再生成，直到 ≤5。
  3️⃣ 多跳查询合成
• LightRAG 建知识图谱 → 按“意图游走”选路径 → 逐跳替换实体并链式拼接。
• 人工审核逻辑严密性、答案唯一性、语法自然度。

📊 4 实验结果

4.1 检索榜

表 3：主流 embedding 在 DOUBLE-BENCH 上的细粒度结果。

• 文本与视觉 embedding 差距已缩小到 2% 以内；多跳仍集体掉 20+ 点。

4.2 端到端 RAG 框架榜

表 4：RAG 框架检索与回答准确率对比。

• 检索决定上限：colqwen-gen 靠检索优势，在多跳上反超 MDocAgent。
• 过度自信现象：MDocAgent/ViDoRAG 即使没召回证据也强行回答，幻觉率 30–40 %。

4.3 MLLM 裸跑 vs 给证据

• 充分说明 DOUBLE-BENCH 未被数据污染，模型靠“背题库”寸步难行。

表 5：MLLM 在“裸跑”与“开卷”下的准确率。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！