大模型检索增强生成(RAG)高质量报告
AI魔法学院
2024-05-07
分享海报

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 Trends》。质量不错，推荐阅读！

大语言模型的局限性和实际应用面临的问题

 

RAG指的就是检索相关信息来辅助大模型回答

 

优化大模型的性能通常可以从提示工程、RAG或者微调入手

 

RAG对比微调

 

RAG的应用场景

 

Naive RAG就是建索引、召回、生成三步走

 

进阶的做法还会考虑索引优化、召回前后做一些额外处理

 

模块化RAG考虑了更多更全的模块

 

三类RAG的对比

 

做RAG经常考虑的三个问题，召回什么、什么时候召回、如何利用召回的信息

 

 

RAG的发展总览

 

数据索引怎么优化

 

结构化语料库

 

对召回的来源进行优化

 

知识图谱作为召回的数据源

 

对查询进行优化

 

对文本嵌入进行优化

 

对检索的过程进行优化，比如可以迭代召回

 

还可以把RAG跟微调进行结合

 

相关研究总结

 

评价RAG的有效性

 

一些常用的RAG框架

 

工业应用

 

RAG总结

 

三大趋势

存在的挑战

 

扩展到多模态

 

生态发展

 

 

 

 

 

 

 

 

出自：https://mp.weixin.qq.com/s/K62uaJJlW8BSD_90Sat5Zw

© THE END

转载请联系本网站获得授权

投稿或版权问题请加微信：skillupvip

关键词
RAG大模型检索
更多相关内容 更多>>
大模型检索增强生成RAG的优化
RAG——使用检索增强生成构建特定行业的大型语言模型
检索增强生成 (RAG):What, Why and How?
2023检索增强生成技术（RAG）研究进展
评论
1 评论
樱桃肉肉丸2024/5/7 9:55:58


哇塞！同济大学Haofen Wang的这篇报告真是前沿又实用啊！RAG这种新型技术应用，让大语言模型如虎添翼，灵活性爆棚！从Naive RAG到模块化RAG，层次递进，思路清晰。报告还深入探讨了技术细节和应用前景，让我大开眼界。尤其是RAG的三大趋势和未来发展方向，真是启发了我对AI技术的新思考。期待更多这样的创新研究，开拓AI领域的新天地！