文章列表-AI魔法学院

文章列表

当ChatGLM3能用搜索引擎时

随着AIGC的发展，传统的网络搜索模式也在接受这前所未有的挑战，首当其冲的就是各大搜索引擎，比如bing在自家浏览器中搭载了chatgpt，能够根据搜索的内容进行整合，并生成逻辑清晰，而且相对准确的信息

大模型应用大模型 ChatGLM

ChatGLM3在线搜索功能升级

在前面的图文当ChatGLM3能用搜索引擎时中，我们让ChatGLM3在搜索引擎上进行的简单的搜索，但是仅仅只能搜索一些简单的内容，比如，时间。

ChatGLM3 搜索

Prompt 策略：代码库 AI 助手的语义化搜索设计

这些助手能够回答关于代码库的问题、提供文档、搜索代码、识别错误源头、减少代码重复等，从而提高开发效率、降低错误率，并减轻开发者的工作负担。

prompt

Elasticsearch Relevance Engine---为AI变革提供高级搜索能力[ES向量搜索、常用配置参数]

该模型将稀疏嵌入与传统的基于关键字的 BM25 搜索配对，为混合搜索提供了一个易于使用的倒数排序融合 (RRF) 评分器。

大模型 AI编程

Elasticsearch 中的向量搜索：设计背后的基本原理

HNSW 是向量搜索的热门选择，因为它相当简单，在向量搜索算法的比较基准上表现良好，并且支持增量插入。

向量数据库

大模型再发展5年，搜索引擎还在么？

大模型既是内容的生成器也是信息的过滤器，而搜索只是信息的过滤器，那发展下去搜索引擎这个自互联网发生以来就存在的产品会受到什么影响？

大模型

大语言模型LLM和知识图谱KG增强的企业搜索应用

这是因为搜索是关于检索——找到有关某个主题的信息。

开源模型

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

Raudaschl 近十年来，我一直在探索搜索技术。

RAG-Fusion 检索增强

鹅厂版AI笔记悄悄上线，微信公众号优质内容秒变专属知识库，实测在此

鹅厂悄悄上线的ima copilot，可以说把整个公众号世界，都带进了AI搜索。

ima copilot 搜索

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

今天对百川的RAG方法进行解读，百川智能具有深厚的搜索背景，来看看他们是怎么爬RAG的坑的吧～总的来说，百川通过长上下文模型(192k)+搜索增强结合的方法来解决知识更新，降低模型幻觉的问题，使得其在

RAG 大模型

RLHF 在 Text2SQL 领域中的探索

本文主要介绍了 Text2SQL 的基本概念，以及 RLHF 的概念和框架，最后结合 DB-GPT-Hub 项目，将 RLHF 方法应用于 Text2SQL 任务进行实践探索。

Text2SQL RLHF

RAG检索增强技术在知识库智能检索场景下的应用实践

2、前检索模块：在正式检索之前，前检索模块可以进行多种预处理操作。

知识库 RAG检索增强

一文看懂RAG：大语言模型落地应用的未来

关于“要检索什么”的研究已经从简单的标记检索和实体检索发展到更复杂的结构，如块和知识图研究重点放在检索的粒度和数据结构的级别上。

rag 检索增强

2023检索增强生成技术（RAG）研究进展

这一结构不仅更加灵活自由，还引入了更多定制化的功能模块，例如查询搜索引擎和多答案整合。

RAG 检索增强

LLM大模型推理输出生成方式总结

参数设置：do_sample = False, num_beams>1 缺点：虽然结果比贪心搜索更流畅，但是仍然存在生成重复的问题 Multinomial sampling（多项式采样）方式

大模型

<12 3 4 5 6 7 8 9 10 ...>

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