超越原始上下文传输：基于表征的联邦检索增强生成

英文标题：Beyond Raw Context Transfer: Representation-based Federated Retrieval-Augmented Generation

针对大语言模型（LLM）与视觉语言模型（VLM）在知识检索中的隐私与中心化瓶颈，研究人员提出了基于表征的联邦检索增强生成（Federated RAG）新方案。现有的 RAG 框架大多建立在中心化检索语料库的假设之上，往往需要在网络中直接传输原始文本上下文，存在数据安全风险与通信开销。该研究探索了利用隐空间表征（Representation）替代原始上下文传输的技术路径，从而在保障私密性的同时实现多源分布式知识的高效检索。这对多机构协同知识共享、企业端侧隐私计算以及安全合规的 AI Agent 落地具有重要参考价值。