一、LLM 越学越满，RAG 却越搬越重
(a) Llama3.3-70B 在四个 Wikipedia 风格 QA 数据集上裸模型 Exact-Match 召回 ≥40%——说明近一半问题模型本来就会。 (b) 把对应维基段落再送进上下文，准确率反而掉 20 分——冗余知识成了"噪声"。
结论：外部 corpus 与模型内部知识高度重叠，继续"全量检索"≈ 白花钱、拖延迟、降效果。
二、30% 维基百科可删，22% 延迟立降，效果不减
复旦大学邱锡鹏提出Zero-RAG。首先提出了"掌握度评分"这一指标，用以精准识别RAG知识库中的冗余知识并进行剪除。经过剪枝后，对于模型已"掌握"的问题，其回答将主要依赖模型自身的内部知识。
在 TriviaQA、EntityQuestions、PopQA、HotpotQA 上砍掉 30% corpus，EM 掉点 <2；砍 70% 也才掉 3 分左右。 检索延迟平均降低22%（表 4）。 经过 Noise-Tolerant Tuning 后，部分数据集反超市售全库 RAG。
一句话："零冗余"不是口号，是真能剪、真加速、真不掉点。
三、技术方案Zero-RAG
3.1 Mastery-Score —— 给每条句子打"掌握度"
用 LLM 对句子 s 生成 n 组 QA。 让同一 LLM 回答这 n 个问题，算 Exact-Match 均值 ⇒ M(s)。 训练一个小回归模型预测 M(s)，按百分位阈值 τ 直接删掉高分句子（算法见附录 A.1）。
结果：138M 句维基 → prune 30% 后索引体积同比例缩小。
3.2 Query Router ——"会不会"先问模型，别急着搜
把训练集问题先让 Noise-Tolerant 模型自答，能答对的标 mastered。 二分类器学习"是否 mastered"，推理时 mastered 问题直接不走检索，减少延迟 + 避免噪声。
消融显示：拿掉 Router 后 EM 显著下降，证明多检索一次反而添乱。
3.3 Noise-Tolerant Tuning —— 万一搜到废文档，也要稳住
训练数据三种配方：
只给问题 → 答案（无 RAG） 问题 + 相关文档 → 答案 问题 + 随机噪声文档 → 答案
统一损失让模型学会忽略无用片段，靠内部知识作答。
经此微调，即使在 prune 后 corpus 里偶尔捞出无关句，模型也能"视而不见"。
四、一图带走：Zero-RAG 到底剪了什么？
❝句子："Queen Victoria became Empress of India in 1876."
生成的 4 个 QA 全被 Llama3-70B 裸机答对 ⇒ Mastery-Score=1 ⇒直接剪除。
这些"教科书级别"的常识，就是 Zero-RAG 眼中该被"零冗余"的靶子。
Zero-RAG: Towards Retrieval-Augmented Generation with Zero
Redundant Knowledge
https://arxiv.org/pdf/2511.00505