WWW 2026唯一最佳长文：大模型该信“查到的”还是“记得的”？

李磊把论文投出去的时候，心里想的是帮临床医生少翻几页文献，而不是拿一个顶会最佳长文奖。这是一篇关于医学问答的工作，投在了WWW 2026的主会。两个月后的线上闭幕式上，组委会把唯一最佳长文奖给了它。

医学QA凭什么在面向Web、搜索、数据挖掘和AI的通用舞台上压过所有技术类投稿？答案写在论文的核心追问里：当大模型既查得到外部资料，又记得住训练时的知识，而且两套信息经常对不上，到底该信哪一个？

在AI圈，这个问题已经撕成了两派。RAG派主张“先查再答”，把话往外部文档上靠，用检索事实压住幻觉；GAG派走“先生成再答”，让模型从参数里把记住的背景掏出来，补上一段贴题的参考材料再作答。两边各有各的道理，也各有各的坑。检索漏掉一条关键线索，阅读器可能就困在不完整的材料里；生成多甩出一句不准确的背景，错误就会被当成证据喂进下游答案。

可如果把场景换成医学，这件事就不只是学术争议了。漏掉一个鉴别诊断的相关体征，或者凭空补充一段“常见但本次不适用”的病理机制，推理链都要歪。也正因如此，这篇由中国人民大学高瓴人工智能学院与腾讯天衍实验室合作完成的论文，选择把医学问答当作检验大模型能否可靠组织知识的高压考场。第一作者李磊是高瓴人工智能学院博士毕业生，通讯作者为周骁副教授和腾讯天衍实验室主任吴贤。

在接受雷峰网AI科技评论专访时，作者把自己的思路概括为“知识需求驱动”——不先问检索还是生成，而是先问：要回答眼前这个问题，到底还缺哪些知识？这个想法直接催生了MedRGAG框架，一个统一检索与生成的医学问答范式。

过去不是没人试过把检索文档和生成文档揉在一起用，但多数工作的着力点是怎么融合这两类材料、怎么缓解它们之间的冲突。MedRGAG往后追了一步：这些材料真的覆盖了答案所需的知识吗？

所以问题不再是单纯地“该信检索还是该信生成”，而是“回答这个问题需要哪些知识”——检索和生成都只是凑齐这些知识的手段。这也正是MedRGAG与标准RAG、GAG范式的根本区别。

MedRGAG把回答的路径重新编排为“先检索、再补全、再作答”。第一阶段，它从多源医学语料中进行均衡检索，拉出一个更全面的初始证据池，不押宝某单一数据库。接下来的重心，交给了两个核心模块：KGCC和KADS，一个负责回答“缺什么知识”，一个负责回答“选什么证据”。

KGCC，全称Knowledge-Guided Context Completion，即知识引导的上下文补全。它要解决的是“生成什么”。普通GAG往往直接围绕问题生成参考资料，而KGCC会先把检索来的每一篇文档压缩成与问题相关的知识点，无关的文档就径直标为“无有用信息”。接着，它追问“要彻底回答该问题，还缺哪些关键知识”，找出最重要且彼此不重复的缺失点。最后，才围绕这些缺口逐条生成背景文档。生成不再自由发挥，而是被明确目标牵引：既贴题，也尽量避免与已有检索证据重复。

生成不是为了替代检索，而是为了补上检索暴露出来的空白。

但补完知识缺口只是第一步。候选池里，检索贡献了N篇，生成又补进N篇，2N篇文档如果一股脑全塞给阅读器，只会堆高噪声和上下文负担。于是KADS——Knowledge-Aware Document Selection，知识感知的文档选择模块登场。它把文档选择变成一次证据拼图：先拆解清楚回答问题需要哪些知识块，然后再看每篇候选文档究竟补上了哪一块。

换句话说，KADS不是在选“最像问题”的相似文档，而是在选“最能拼出答案”的证据组合。真正有用的证据，不一定最像问题，但一定能补上推理所需的知识。

这个设计怼到了一个现实痛点。生成文档本来就是围绕问题写出来的，天然更贴题，也更容易在相似度排序里拿高分。但有些检索证据虽然不那么像问题，却可能包含关键事实。普通reranker或相似度排序容易被表面相似骗过去，把有信息量的检索文档排到后面。KADS不甩这套规则，它只追问：哪几篇文档合起来能覆盖答案所需的知识。

实验里的对比数字很能说明问题。在不同证据选择策略的PK中，BGE、MedCPT等reranker更倾向保留生成文档，而MedRGAG有能力把那些相似度不高但有信息量的检索证据重新捞回来。一篇关于不同选择策略的对比图显示，KADS精选出的5篇文档，准确率不但不输，甚至可以打平甚至超过把10篇候选文档全部塞进去的Merge All方案。

更多上下文不等于更好的答案。真正重要的，是把对的证据留给模型。

另一组值得留意的数字是：MedRGAG的提升并没有靠重新训练医学大模型。论文中使用的阅读器包括Qwen2.5-7B、LLaMA-3.1-8B、Ministral-8B，生成、总结、找缺口、选择这些环节也主要由通用模型完成。MedRGAG无需训练、即插即用，提升来自更合理地生成知识、组织知识，而不是来自堆算力重新微调。

在五个医学问答基准上，这个框架都给出了扎实的成绩。它从底层改写了人们对检索增强和生成增强关系的理解：RAG和GAG不是非此即彼的替代项，而是可以围绕同一份知识缺口清单协同起来的两只手。先用检索抓住外部事实锚点，再用生成补上缺口背景，最后拼出对答案真正有帮助的证据组合——每一步都让信息流动更贴近问题本身的认知需求。

对正在用RAG或GAG搭应用的开发者来说，MedRGAG扔出来的启发或许更直接。如果你只做检索加生成，却没有先定义清楚答案需要哪些知识，你会很容易被表面相似牵着走。而一旦开始把“知识需求”作为组织证据的第一性原理，检索和生成就不再是两层独立工序，而是一套有目标的补全闭环。

WWW 2026的评审们把最佳长文给了一篇医学论文，其实是在传递一个信号：AI的可靠性问题，最终都会在那些出错成本极高的领域里暴露得最彻底。医学问答只是一个高压考场，真正被检验的，是知识增强这条技术路线究竟能不能从“喂得多”走向“喂得准”。