文章列表-AI魔法学院

文章列表

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

Query Pipeline，提升应用开发的灵活性》里，我们提到了llamaindex出了一个新的实验feature，支持通过声明式的方式定义QueryPipeline从而形成个性化的应用流程，并且给出了对于RAG

Agent QueryPipeline 大模型

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

什么是RAG？

OCR RAG 开源

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

一、RAG介绍 1.

大语言模型 RAG检索增强

RAGFlow：开源的RAG引擎，专注于深入的文档理解，支持处理各种复杂格式的非结构化数据

项目简介 RAGFlow是一个开源的RAG引擎，专注于深入的文档理解。

RAGFlow RAG 开源

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

近期， OpenAI 的开发者大会迅速成为各大媒体及开发者的热议焦点，有人甚至发出疑问“向量数据库是不是失宠了？”

RAG 检索向量库

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

RAG（Retrieval Augmented Generation）是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—

RAG 大语言模型

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

如前文LLM应用架构之检索增强（RAG）的缘起与架构介绍，RAG架构很好的解决了当前大模型Prompt learning过程中context window限制等问题，整体架构简明清晰，易于实现，得到了广泛的应用

大模型

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

实验结果表明，IAG在两个开放域问答任务上优于RAG基准线以及ChatGPT。

IAG框架大语言模型

Qwen2.5更新百万超长上下文，推理速度4.3倍加速，网友：RAG要过时了

看到这波更新，不少网友直接爆出了***：有人直言：这么长的上下文这么快的速度下，RAG已经过时了。

Qwen2.5 开源模型

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

检索增强生成（RAG）到底是什么？

检索增强生成大语音模型

Prompt、RAG、微调还是重新训练？如何选择正确的生成式AI的使用方法

RAG产生了高质量的结果，因为它增加了直接来自向量化信息存储的特定于用例的上下文。

生成式AI

LLMOps框架Dify发布Workflow功能，RAG进入自由编排时代（附产品负责人分享PPT ）

在coze等编排工作流引发开发者强烈兴趣之后，Dify也发布了自己的工作流功能，这标志着原有的固化的RAG编排流程被更加灵活的工作流编排取代。

RAG 自由编排 Workflow

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

在新年几天，把知识图谱和高级RAG应用干完！

Qwen1.5 开源模型

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

检索增强生成（RAG）是减轻大型语言模型（LLM）幻觉的一种有前途的方法。

大模型 RAG检索增强

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

本文主要内容： RAG中涉及的技术环节什么是分块分块需要考虑的四种因素分块的多种方法 RAG是一个考验技术的工作这两周发的文章大模型偏多，但如果你有阅读过前面的文章

RAG 大模型

<1 2 345 6 7 8 >

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2024 AI魔法学院

京ICP备20027199号-1