文章列表-AI魔法学院

文章列表

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

包括训练语言模型时的数据过滤，在线内容审查，块列表封禁等。

大语言模型 RAG检索增强

2.7B能打Llama 2 70B，微软祭出「小语言模型」！96块A100 14天训出Phi-2，碾压谷歌Gemini nano

微软最强「小模型」来了！

小语言模型

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

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

，稀疏检索，多向量检索三种不同检索手段。

BGE M3-Embedding 多语音检索

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

换言之，OpenAI 将提供一款 Retrieval 检索工具，用户已无需创建或搜索向量。

检索增强生成大语音模型

研究人员开源中文文本嵌入模型，填补中文向量文本检索领域的空白

一直以来，基于向量的文本检索是重要的研究议题之一。

GPT

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

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

因此，搭建高效的应用还需要使用自定义的检索器。

RAG 检索向量库

姜子牙大模型系列 | 为知识检索而生，Ziya-Reader开源，多个长文本中文任务第一

另外，大模型本身有着幻觉问题，检索增强也是最直接的解决方案。

大模型 Ziya

StreamingLLM 框架：利用最新标记让 AI 记住你的话、创作长篇小说，探索无限长度文本

例如，如果Llama-2在预训练时使用了4096个上下文窗口，那么Llama-2上的StreamingLLM的最大缓存大小仍为4096。

大模型 llm框架

24年首篇离奇论文：加点噪声，RAG效果翻倍？

论文：《The Power of Noise: Redefining Retrieval for RAG Systems》这篇论文探讨了基于检索增强的语言模型（RAG）系统中的信息检索（IR）组件对系统性能的影响

RAG 检索增强

LangChain手册（Python版）11模块：提示模板

验证模板默认情况下，PromptTemplate将template通过检查是否input_variables匹配中定义的变量来验证字符串template。

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

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

这款全新模型不仅实现了在移动设备上运行 GPT-3.5 级别的能力，而且具备超强的推理、检索与代码解释功能。

MiniCPM3-4B 大模型

大语言模型应用中的文本分块策略

其次，它将确定是否能够在将检索到的文本发送到外部模型提供者（例如OpenAI）之前将其放入上下文中，因为我们可以为每个请求发送的token数量受到限制。

开源模型

<123 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

© 2023-2025 AI魔法学院

京ICP备20027199号-1