تُعزِّز تقنية التوليد المدعوم بالاسترجاع (RAG) صحة الحقائق في نماذج اللغات الكبيرة (LLMs) من خلال حقن المعرفة الخارجية، ومع ذلك فإنها تفشل في المشكلات التي تتطلب استدلالًا متعدد الخطوات؛ بينما غالبًا ما تخترع أو تخطئ في تأصيل الحقائق النماذج المعتمدة بشكل كامل على الاستدلال. يجمع هذا الاستعراض كلاً من هذين المسارين تحت منظور موحد للاستدلال والاسترجاع. أولاً، نحدد كيف يحسِّن الاستدلال المتقدم كل مرحلة من مراحل RAG (RAG معزز بالاستدلال). ثم، نوضح كيف توفر المعرفة المسترجعة من أنواع مختلفة الفرضيات المفقودة وتوسع السياق للاستدلال المعقد (الاستدلال معزز بـ RAG). وأخيراً، نسلط الضوء على الإطارات الجديدة للتكامل بين RAG والاستدلال، حيث تقوم (الوكالات) النماذج اللغوية الكبيرة بالتداخل التكراري بين البحث والاستدلال لتحقيق أفضل الأداء عبر مقاييس البحوث ذات الطابع المعرفي الشديد. نصنف الأساليب والقواعد البيانات والتحديات المفتوحة، ونبين مسارات البحث نحو أنظمة RAG-Reasoning أكثر فعالية ومتكيفة متعددة الوسائط وموثوقة وموجهة للإنسان. يمكن الوصول إلى هذه المجموعة في https://github.com/DavidZWZ/Awesome-RAG-Reasoning.