rag
0 人感兴趣 · 41 次引用
- 最新
- 推荐
RAG 修炼手册|揭秘 RAG 时代的新向量数据库
随着对大型模型应用探索的深入,检索增强生成技术(Retrieval-Augmented Generation)受到了广泛关注,并被应用于各种场景,如知识库问答、法律顾问、学习助手、网站机器人等。
Advanced RAG 05:探讨基于文本内在语义信息的数据分块方法
编者按:在 RAG (Retrieval Augmented Generation) 系统中,将文本数据高效地划分成相对独立且富有语义信息的数据块(chunks)是一项较为关键的任务。基于规则的传统数据分块方法存在一些问题,因此探讨基于文本内在语义信息的数据分块方法非常必要。
RAG 修炼手册|如何评估 RAG 应用?
如果你是一名用户,拥有两个不同的 RAG 应用,如何评判哪个更好?对于开发者而言,如何定量迭代提升你的 RAG 应用的性能?
Advanced RAG 04:重排序(Re-ranking)技术探讨
编者按:重排序(Re-ranking)技术在检索增强生成(Retrieval Augmented Generation,RAG)系统中扮演着关键角色。通过对检索到的上下文进行筛选和排序,可以提高 RAG 系统的有效性和准确性,为最终的结果生成提供更精准的信息。
提高 RAG 应用准确度,时下流行的 Reranker 了解一下?
检索增强生成(RAG)是一种新兴的 AI 技术栈,通过为大型语言模型(LLM)提供额外的“最新知识”来增强其能力。
Advanced RAG 03:运用 RAGAs 与 LlamaIndex 评估 RAG 应用
编者按:目前,检索增强生成(Retrieval Augmented Generation,RAG)技术已经广泛使用于各种大模型应用场景。然而,如何准确评估 RAG 系统的性能和效果,一直是业界和学界共同关注的重点问题。若无法对 RAG 系统进行全面、客观的评估,也难以针对性地优化
Advanced RAG 01:讨论未经优化的 RAG 系统存在的问题与挑战
编者按: 自 2023 年以来,RAG 已成为基于 LLM 的人工智能系统中应用最为广泛的架构之一。由于诸多产品的关键功能严重依赖RAG,优化其性能、提高检索效率和准确性迫在眉睫,成为当前 RAG 相关研究的核心问题。
基于大模型和向量数据库的 RAG 示例
RAG是一种先进的自然语言处理方法,它结合了信息检索和文本生成技术,用于提高问答系统、聊天机器人等应用的性能。
RAG 一文读懂!概念、场景、优势、对比微调与项目代码示例
本文结合“基于 ERNIE SDK+LangChain 搭建个人知识库”的代码示例,为您讲解 RAG 的相关概念。
RAG 一文读懂!概念、场景、优势、对比微调与项目代码示例
本文结合“基于ERNIE SDK+LangChain搭建个人知识库”的代码示例,为您讲解RAG的相关概念。
揭秘 LLMs 时代向量数据库的 3 大实用场景
过去一年,ChatGPT 和其他大语言模型(LLMs)的爆火也带动了向量数据库的发展。
手把手系列!让「引用」为 RAG 机器人回答增加可信度
如何增加 RAG 聊天机器人回答问题的可信度?
如何优化 RAG 系统的性能表现?10 条实用策略
编者按: 检索增强生成(RAG)系统最近备受关注,ChatGPT的火爆更让这类系统成为广泛讨论的热点。我们今天为大家带来的这篇文章,作者Matt Ambrogi的核心观点是:构建一个基本可用的RAG系统非常简单,但要使其达到实际生产可用的程度则异常困难,需要我们投入大