|
- 一文读懂：大模型RAG（检索增强生成）含高级方法 - 知乎
最近推出的课程 构建和评估高级 RAG 中，以及 LlamaIndex 和评估框架 Truelens ，他们提出了RAG 三元组评估模式 — 分别是对问题的检索内容相关性、答案的基于性（即大语言模型的答案在多大程度上被提供的上下文的支持）和答案对问题的相关性。
- RAG-检索增强生成从入门到实战，看这一篇就够了 - 知乎
基于RAG的知识问答：包括用户query嵌入、召回、排序、拼接文档、构建context、基于query和context构建prompt、将prompt喂给大模型生成答案。 RAG的工作原理 问题理解和检索阶段 ：RAG模型接收到用户的问题或请求后，利用检索模块从预定义的知识库或文档集合中找到与
- 大模型时代，目前开源的RAG检索增强框架有哪些？ - 知乎
RAG评估的两种类型：检索评估和生成评估，下面的每个策略将被标记为检索评估、生成评估或两者。 如果没有真实数据，如何评价 RAG？ 基于相似度阈值判断 类型：检索评估 如果正在使用像 Pinecone 这样的矢量数据库，可能熟悉矢量相似度的概念。
- RAG workflow是什么？ - 知乎
RAG（Retrieval-Augmented Generation）workflow是指在RAG技术基础上，通过定义和执行一系列任务来处理输入查询并生成最终回答的过程。 一、RAG技术 RAG是一种结合检索和生成的技术，旨在解决生成式模型在处理知识密集型任务时的不足。
- 检索增强生成（RAG）有什么好的优化方案？ - 知乎
RAG之前先做query分类 不是每个query需要召回增强，有些可以直接用大模型回答，例如摘要、续写、翻译等。query分类的目的是过滤和分流，把需要RAG的query送入RAG，把不需要RAG的query直接送入大模型。
- RAG是什么？ - 知乎
RAG（检索增强生成） 将大模型不知道的知识，通过上传文本，使用embedding技术将文本和输入的问题向量化，再进行检索， 向量 的相似度代表语义的相似度，将检索到的答案和问题一起组成prompt，给到大模型，利用大模型在语义上进行整合，生成一个连贯、相关且准确的回答。
- 如何在不微调的情况下提高 RAG 的准确性？ - 知乎
模块化 rag 集成了各种方法来增强 rag 的不同组件，例如在检索器中整合搜索模块进行相似度检索并应用微调方法 rag 融合 rag 融合结合了 2 种方法： 多查询检索 利用 llm 从不同角度为给定的用户输入查询生成多个查询，这对于解决具有多个子问题的复杂问题很
- GraphRAG：知识图谱+大模型 - 知乎
Graph RAG是一种基于知识图谱的检索增强技术，通过构建图模型的知识表达，将实体和关系之间的联系用图的形式进行展示，然后利用大语言模型 LLM进行检索增强。 Graph RAG 将知识图谱等价于一个超大规模的词汇表，而实体和关系则对应于单词。
|
|
|