文章列表-AI魔法学院

文章列表

RAT = CoT + RAG

Retrieval Augmented Thoughts (RAT) 是一种协同思维链 (CoT) 和检索增强生成 (RAG) 的 AI 提示策略，助力解决具有挑战性的长任务推理和生成。

RAT 协同思维链检索增强生成

RAG从入门到精通-RAG简介

本文讲对RAG进行简单介绍。

rag 大模型

RAG 2.0，终于把RAG做对了！

RAG 2.0，终于把RAG做对了！

RAG 大语言模型

RAG 修炼手册｜一文讲透 RAG 背后的技术

今天我们继续剖析 RAG，将为大家详细介绍 RAG 背后的例如 Embedding、Transformer、BERT、LLM 等技术的发展历程和基本原理，以及它们是如何应用的。

RAG Embedding

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

然而，在有效检索相关信息和生成高质量响应方面，RAG面临着许多挑战。

RAG 检索

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

本质上，RAG 帮助模型“查找”外部信息以改进其响应。

训练

如何提高RAG 的效果

写在前面 LLM+RAG 构建很简单，使用开源项目langchain几行代码就搞定，但简单的构建过程不意味着很好的效果。

RAG 大模型

检索增强生成 (RAG):What, Why and How?

2、为什么RAG？

检索增强大模型

必读！RAG好用的3种Router

目前开源了很多LLMs大模，虽然GPT4o一直占据第一位的宝座，但是并不是在每个领域都很强。例如：写代码的Code-LM、做数学的meta-math,做图文多模态的Macaw-llm等等。都有自己的强项。 PolyRouter提供了一个多LLM路由系统，该系统根据特定需求动态将查询路由到最合适的专家，从而优化性能，减少响应时间和成本，同时提高输出质量。

RAG Router

高级 RAG 技术——图解概览

二、原始 RAG 本文讨论的 RAG 流水线起始于一个文本文档语料库。

RAG 检索图解

RAG超参数调优食用指南

ParamTuner 不仅可以定义我们想要的任何目标函数，例如带有评估的 RAG 管道；还能够以同步或者异步的方式进行网格搜索；并且 LlamaIndex 官方使用了

rag 大模型

RAG与Long-Context之争—没必要争

如果未来只是5年，我觉得RAG一定会存在；如果未来是AGI，那么也许不需要RAG。

RAG Long-Context 大模型

构建开源多模态RAG系统

RAG是什么？

RAG 大模型

谈谈RAG存在的一些问题和避免方式

RAG是各方面综合之后的最优解但是就像前面我说的，RAG入门很简单，但是要能让客户买单却很难，我已经看到好几个失败案例了...

RAG 大模型

简单提升RAG的10种方法

实际实践过程中，提升RAG的效果有许多的方向，这篇文章将常用的思路进行讨论，希望对RAG系统的优化和使用提供一些帮助。

RAG 大模型

<12 3 4 5 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