文章列表-AI魔法学院

文章列表

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

小到大检索背后的概念是在检索过程中使用较小的文本块，然后将检索到的文本所属的较大文本块提供给大语言模型。

RAG 检索

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

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

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

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

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

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

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

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

一文看懂RAG：大语言模型落地应用的未来

关于“要检索什么”的研究已经从简单的标记检索和实体检索发展到更复杂的结构，如块和知识图研究重点放在检索的粒度和数据结构的级别上。

rag 检索增强

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 检索论文

高级 RAG 技术——图解概览

为了在检索到最相关的单个句子之后更好地进行推理，我们会在检索到的句子前后扩展 k 个句子作为上下文窗口，然后将这个扩展的上下文发送给大语言模型。

RAG 检索图解

使用ChatGPT检查论文引用、提高研究深度

本文将指导您如何使用ChatGPT来检查论文引用的准确性、深化研究方法、提升数据分析技能、分析统计模型、提高研究效率、解释复杂概念。

ChatGPT 案例

Langchain中改进RAG能力的3种常用的扩展查询方法

有多种方法可以提高检索增强生成(RAG)的能力，其中一种方法称为查询扩展。

检索增强生成 Langchain

<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