文章列表-AI魔法学院

文章列表

2023检索增强生成技术（RAG）研究进展

一、前言在过去的一两年里，人工智能领域目睹了检索增强生成技术（RAG）的迅猛发展，这种技术结合了强大的语言模型与信息检索系统，以期在复杂的问题解决和信息处理任务中提供更加精确和深入的答案。

RAG 检索增强

检索增强生成 (RAG):What, Why and How?

1、什么是检索增强生成？

检索增强大模型

RAG检索增强技术在知识库智能检索场景下的应用实践

1.1.1、LLM的缺陷知识检索增强技术的提出背景主要源于当前基于LLM（大规模语言模型）的知识检索存在诸多缺陷。

知识库 RAG检索增强

大模型检索增强生成RAG的优化

下面针对每个模块分别做说明（备注：以下内容部分参考了检索增强生成技术(RAG)深度优化指南：原理、挑战、措施、展望）。

RAG 检索增强大模型

图解检索增强式生成（RAG）技术 | 万字长文

本文是对高级检索增强式生成技术（Retrieval Augmented Generation，简称 RAG）和算法的全面研究，系统性地整合了各种方法。

检索增强式生成 RAG

大模型检索增强生成(RAG)高质量报告

今天分享一个来自同济大学Haofen Wang的关于检索增强生成的报告：《Retrieval-Augmented Generation (RAG): Paradigms, Technologies, and

RAG 大模型检索

检索增强生成(RAG)有什么好的优化方案？

下面针对每个模块分别做说明（备注：以下内容部分参考了检索增强生成技术(RAG)深度优化指南：原理、挑战、措施、展望）。

RAG 检索增强

检索增强生成(RAG)有什么好的优化方案

下面针对每个模块分别做说明（备注：以下内容部分参考了检索增强生成技术(RAG)深度优化指南：原理、挑战、措施、展望）。

RAG 检索增强生成

RAG——使用检索增强生成构建特定行业的大型语言模型

由于笔者之前梳理过比较多的AI应用，在查看检索增强生成技术（Retrieval-Augmented Generation）技术论文时，发现了一个事实，那就是几乎各大AI应用都有用到这种检索增强技术。

大模型

LLM应用架构之检索增强（RAG）的缘起与架构介绍

如图，引入一个检索过程，将领域知识通过相关性检索，将相关信息检索出来，基于它们来构造prompt，最终传给LLM，让其在此之上总结推理。

LLM

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

随着大型语言模型的发展，检索增强生成（Retrieve Augment Generation，简称RAG）已成为构建问答和会话AI系统的一种流行方法。

大语言模型 RAG检索增强

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

可以诚实地说，最近出现的检索增强生成（RAG）技术是最具颠覆性的。

RAG-Fusion 检索增强

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

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

本文主要内容：为什么一般情况下RAG的检索相关性存在问题？

RAG 检索增强

阿里RAG新框架R4：增强检索器-重排序-响应器，5个知识密集任务上都超过Self-RAG等！

尽管检索增强的LLMs通过检索外部数据来减少这种幻觉，但现有的方法通常不考虑检索文档与LLMs之间的细粒度结构语义交互，这在处理长文档时尤其影响回答的准确性。

RAG 检索大型语言模型

<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