RAG 第4页

用通俗易懂的方式讲解：12 个大模型 RAG 痛点及解决方案

受Barnett等人的论文《工程检索增强生成系统时的七个失败点》启发，让我们在本文中探讨论文中提到的七个失败点以及开发RAG管道时的五个常见痛点。

Python算法实战·2024-02-05 03:20

今日arXiv最热NLP大模型论文：引入噪声，可提升RAG检索效果超30%？？

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）系统的出现，提高了LLMs回答生成的准确性。它分为两个部分:检索与生成。

夕小瑶·2024-02-04 16:35

Amazon Bedrock 知识库现可提供完全托管的 RAG 体验

借助知识库，可安全地将AmazonBedrock中的基础模型(FM)连接到贵公司的数据，供检索增强生成(RAG)使用。

亚马逊云开发者·2024-02-04 13:22

基于LlamaIndex解决RAG的关键痛点

SevenFailurePointsWhenEngineeringaRetrievalAugmentedGenerationSystem》的启发，本文将探讨论文中提到的七个痛点，以及在开发检索增强型生成（RAG

技术狂潮AI·2024-02-04 13:01

12个RAG常见痛点及解决方案

Barnett等人的论文《SevenFailurePointsWhenEngineeringaRetrievalAugmentedGenerationSystem》介绍了RAG的七个痛点，我们将其延申扩展再补充开发

deephub·2024-02-04 13:00

技术动态 | 模块化（Modular）RAG 和 RAG Flow

随着RAG技术的演进，RAG整体的流程变动更加丰富和自由。具体表现在以下几个方面：在检索增强数据源上，不再局限于传统的纯⽂本⽂档为为代表的非结构化数据。

开放知识图谱·2024-02-04 07:06

LLM App SDK：LangChain vs. LlamaIndex

在WhyRAGisbig中，我表示支持检索增强生成（RAG）作为私有、离线、去中心化LLM应用程序的关键技术。当你建造一些东西供自己使用时，你就是在孤军奋战。

新缸中之脑·2024-02-03 20:28

《向量数据库指南》——Milvus Cloud始于向量，不止于向量

在火热的RAG应用浪潮中，不少开发者还提出让Mi

LCHub低代码社区·2024-02-03 09:10

《向量数据库指南》——AIGC 需求的快速变化，催生了Milvus Cloud向量数据库的超高速迭代

随着RAG技术的发展，LLM和向量数据库这对黄金搭档开始走到一起，成为幻觉问题的通用处理范式。MilvusCloud作为全球最流行的开源向量数

LCHub低代码社区·2024-02-03 02:38

用通俗易懂的方式讲解：一文详解大模型 RAG 模块

文章目录什么是RAG？技术交流&资料通俗易懂讲解大模型系列RAG模块化什么是模块化RAG？

Python算法实战·2024-02-03 01:43

RAG初探 - 动手实现一个最简单的RAG应用

文章目录0.什么是RAG1.RAG基本流程2.向量数据库的生成2.1文档加载与分块2.2创建向量数据库2.2.1创建过程2.2.2运行结果2.2.3踩坑2.2.3.1坑一：NoneTypeobjectisnotiterable2.2.3.2

同学小张·2024-02-02 17:15

【AI大模型应用开发】【补充知识】文本向量化与向量相似度（含Python代码）

在上篇文章【AI大模型应用开发】3.RAG初探-动手实现一个最简单的RAG应用中，我们动手实现了一个RAG基本流程。里面涉及到向量数据库和向量检索。对于没接触过的人可能比较懵。

同学小张·2024-02-02 17:15

快手技术副总裁王仲远: 加盟智源研究院,任院长；TikTok 正式控股印尼电商平台 Tokopedia；消息称阿里考虑出售银泰商业

今日精选•前快手技术副总裁王仲远:加盟智源研究院,任院长•TikTok正式控股印尼电商平台Tokopedia•消息称阿里巴巴正考虑出售银泰商业科技动态•阿里云推出企业级大模型RAG系统投融资与企业动态•

晓飞趋势·2024-02-02 11:11

为什么RAG是件大事【检索增强生成】

一项关键技术是检索增强生成（RAG），它可以使LLM个性化，而无需昂贵的训练过程（“微调”）。

新缸中之脑·2024-02-02 06:04

RAG Fusion简明教程

新缸中之脑·2024-02-02 06:04

大模型创业的3条军规

上周，一家初创公司未能围绕LLM和RAG开展业务，尽管他们获得了第一份B2B大型合同。以下是原因以及如何避免这种情况：创始人写了一篇博客解释了为什么他不得不关闭他的业务，我在这里总结了他的要点。

新缸中之脑·2024-02-02 06:34

基于 Langchain-Chatchat，我搭建了一个本地知识库问答系统

2.4一键启动2.5启动界面示例技术交流群用通俗易懂方式讲解系列一、LangChain-Chatchat基于ChatGLM等大语言模型与Langchain等应用框架实现，开源、可离线部署的检索增强生成(RAG

深度学习算法与自然语言处理·2024-02-02 01:31

企业级大模型的护城河：RAG + 微调

围绕LLM的炒作是前所未有的，但这是有道理的，生成式AI有潜力改变我们所知道的社会。在很多方面，LLM将使数据工程师变得更有价值——这令人兴奋！不过，向老板展示数据发现工具或文本到SQL生成器的炫酷演示是一回事，而将其与公司的专有数据（甚至更重要的客户数据）一起使用则是另一回事。很多时候，公司急于构建人工智能应用程序，却对其实验的财务和组织影响缺乏远见。这不是他们的错——高管和董事会应该为围绕这项

新缸中之脑·2024-02-01 09:18

#RAG|NLP|Jieba|PDF2WORD# pdf转word-换行问题

文档在生成PDF时,文宁都发生了什么。本文讲解了配置对象、resources对象和content对象的作用,以及字体、宇号、坐标、文本摆放等过程。同时,还解释了为什么PDF转word或转文字都是一行一行的以及为什么页眉页脚的问题会加大识别难度。最后提到了文本的编码和PDF中缺少文档结构标记的问题。PDF转word更像是一种逆向工程。第三方库pdf转word的痛点-格式不保留本文着力解决换行问题：源

向日葵花籽儿·2024-02-01 07:54

大语言应用技术原理

大模型应用技术原理RAG向量数据库对比选型标准开源vs.闭源vs.源码可见客户端/SDK语言托管方式self-hosted/on-premiseredis,pgvector,milvusmanaged/

三更科技公社·2024-02-01 04:00

大模型微调学习之旅③ — 基于 InternLM 和 LangChain 搭建你的知识库

目录一、大模型开发范式1、通用大模型的局限性：2、解决通用大模型范式的两种解决思路：①检索增强生成（RAG）②延呈传统自然语言处理算法微调（Finetune）二、LangChain简介①什么是LangChain②LangChain

Hoo K·2024-01-30 08:08

动手学RAG：汽车知识问答

原文：动手学RAG：汽车知识问答-知乎Part1内容介绍在自然语言处理领域，大型语言模型（LLM）如GPT-3、BERT等已经取得了显著的进展，它们能够生成连贯、自然的文本，回答问题，并执行其他复杂的语言任务

javastart·2024-01-30 08:03

提高RAG性能的高级查询转换

然而，RAG的流行是当之无愧的，因为没有其他解决方案能像它一样有效地减轻大型语言模

lichunericli·2024-01-29 11:02

一文了解向量数据库在RAG中扮演的角色

共同探讨有深度的生成式AI技术前沿洞见、技术迭代、案例解析、方法和实践，请关注“神州问学”公众号，加入社群！引言在过去的一年里，大型语言模型的发展以及人工智能生成浪潮在全球范围内引起了广泛关注。然而，这些大型语言模型面临一个众所周知的挑战：一旦训练完成，它们就无法理解最新的或某些未经过训练的专业领域知识。为了解决这个问题，检索增强生成（Retrieval-AugmentedGeneration,R

神州问学·2024-01-29 11:00

如何使用Prompt快速压缩将RAG成本降低80%

英文原文地址：HowtoCutRAGCostsby80%UsingPromptCompression通过即时压缩加速推理2024年1月5日推理过程是使用大型语言模型时消耗资金和时间成本的因素之一，对于较长的输入，这个问题会更加凸显。下面，您可以看到模型性能与推理时间之间的关系。性能得分与推理吞吐量[1]小型模型每秒生成更多的tokens，往往在OpenLLM排行榜上得分较低。增加模型参数大小可以提

lichunericli·2024-01-29 11:00

[论文阅读] |RAG评估_Retrieval-Augmented Generation Benchmark

写在前面检索增强能够有效缓解大模型存在幻觉和知识时效性不足的问题，RAG通常包括文本切分、向量化入库、检索召回和答案生成等基本步骤。近期组里正在探索如何对RAG完整链路进行评估，辅助阶段性优化工作。

LiuHui*n·2024-01-29 07:28

大模型进阶应用——检索增强生成

RAG（RetrievalAugmentedGeneration），是一种将预训练大型语言模型功能与外部数据源相结合的技术。

梦想画家·2024-01-29 03:04

使用大模型检索增强 Rerank 模型，检索效果提升太明显了！

Rerank在RAG（Retrieval-AugmentedGeneration）过程中扮演了一个非常重要的角色，普通的RAG可能会检索到大量的文档，但这些文档可能并不是所有的都跟问题相关，而Rerank

深度学习算法与自然语言处理·2024-01-28 19:38

高级RAG(八): 自动合并检索(Auto-merging Retrieval)

自动合并检索(Auto-mergingRetrieval)是LlamaIndex的另外一种高级RAG技术，它有点类似与我们之间介绍的从小到大的检索，不过自动合并检索要比“从小到大的检索”稍微复杂一些，它首先将文档按一定的层次结构进行切割

-派神-·2024-01-28 11:12

高级RAG(六): 句子-窗口检索

LlamaIndex的从小到大的检索的检索方法，今天我们再来介绍llamaindex的另外一种高级检索方法:句子-窗口检索(SentenceWindowRetrieval)，在开始介绍之前让我们先回顾一下基本的RAG

-派神-·2024-01-28 11:42

高级RAG(七): 评估句子-窗口检索

在上一篇博客中我们介绍了LlamaIndex的句子窗口检索，它的主要思想是将文档按句子来切割，每个句子会被切割成一个文档，同时将每条句子周围的若干条句子作为“窗口”数据保存在文档的元数据中。当用户发起检索时会将问题与每个句子文档向量进行匹配，当匹配到相似度最高的文档后，将该文档的“窗口”数据以及问题一起发送给LLM,最后由LLM来生成最终的回复,如下图所示：那么句子窗口检索的效果怎么样，如何来设置

-派神-·2024-01-28 11:42

检索增强生成用于大型语言模型：综述

同济大学王昊奋研究员团队联合复旦大学熊赟教授团队发布检索增强生成（RAG）综述，从核心范式，关键技术到未来发展趋势对RAG进行了全面梳理。

AI知识图谱大本营·2024-01-28 10:26

大模型(LLM)应用：根据自己数据集的问答聊天；text2vec句向量生成处理数据集、RAG 检索增强案例

参考链接：基于本地知识的ChatGLM问答https://github.com/imClumsyPanda/langchain-ChatGLMhttps://www.cnblogs.com/fxjwind/p/17401783.htmlhttps://juejin.cn/post/7236028062873550908一、LLM自有数据使用方法1、使用框架步骤1）首先将本地数据集（本地知识）emb

loong_XL·2024-01-27 21:01

RAG技术揭秘：检索增强生成的技术革新

RAG技术揭秘：检索增强生成的技术革新I.引言自然语言处理领域近年来取得了显著的发展，尤其是生成模型在推动语言理解和文本生成方面的成功。

一休哥助手·2024-01-27 21:31

RAG(检索增强生成)在LLM(大型语言模型)中的应用

RAG(检索增强生成)在LLM(大型语言模型)中的应用I.介绍在当今信息时代，大型语言模型（LLM）的崛起标志着自然语言处理领域的一次重大进步。

一休哥助手·2024-01-27 21:30

智能体AI Agent的极速入门：从ReAct到AutoGPT、QwenAgent、XAgent

GPT第2版的效果已经超过了GPT4，详见《七月论文审稿GPT第2版：用一万多条paper-review数据集微调LLaMA2最终反超GPT4》，预计今年4月份对外发布，且还在推进第2.5版第三项目组，RAG

v_JULY_v·2024-01-27 08:19

LLM之RAG理论（八）| 提高RAG性能的9种技术

与此同时，各个行业对个性化和全面运营的RAG的需求也在飙升，每个客户都渴望拥有自己的量身定制的解决方案。

wshzd·2024-01-27 04:55

LLM之RAG实战（二十一）| 使用LlamaIndex的Text2SQL和RAG的功能分析产品评论

我们可以使用LlamaIndex将SQL与RAG（RetrievalAugmentedGeneration）相结合来实现。

wshzd·2024-01-27 04:25

《向量数据库指南》——AI 热潮中的非典型Milvus Cloud向量数据库

像RAG（检索增强生成）模型、智能代理和多模态检索等应用的兴起生动地展示了向量数据库在

LCHub低代码社区·2024-01-26 23:09

网易有道BCEmbedding：双语检索与RAG的完美融合

前言随着人工智能技术的飞速发展，语义表征和检索增强生成（RetrievalAugmentedGeneration,RAG）在各个领域的应用日益广泛。

努力犯错·2024-01-26 18:07

生成式人工智能聊天黑客松导学系列 - 用 Python 构建您的第一个 RAG 应用

用户只需要通过简单提问就可以使用RAG（检索增强生成）从LLM模型获取专业的知识回答。我们也从不少传统应用开发者中了解到他们想学习如何构建自己的RAG聊天应用程序，但不知道从何入手。

MicrosoftReactor·2024-01-26 15:08

#AIGC##LLM##RAG# RAG：专补LLMs短板_减少LLM幻觉并多模态/RAG 技术最新进展

RAG技术，即检索增强生成，标志着自然语言处理领域的重大进展。通过整合先前知识，它提升了大型语言模型的性能，广泛应用于多模态领域和垂直行业。

向日葵花籽儿·2024-01-26 11:23

【LLM问答】两阶段的对话式问答模型ChatQA思路和兼看两阶段的RAG知识问答引擎QAnything

一、ChatQA1.1微调如下图，ChatQA微调包含两个阶段，SupervisedFine-tuning和Context-EnhancedInstructionTuning1.1.1阶段一：SFT（SupervisedFine-tuning）这个阶段的目标是基于LLM，通过SFT，提高模型对话的能力，使其能够更好地遵循指令并进行对话。数据集构建：为了进行有监督微调，作者们收集了128K个样本，这

余俊晖·2024-01-26 06:48

RAG和AGI以及AIGC，你知道多少？

RAG（Retrieval-AugmentedGeneration）：RAG是一种模型架构，结合了检索（retrieval）和生成（generation）的方法。

shengjk1·2024-01-25 00:01

大语言模型常见的文本切分方式整理汇总

整理本文整理了一些简单的文本切分方式，适用于大语言模型经典应用RAG或相似场景。

深度学习机器·2024-01-24 15:53

【书生·浦语大模型实战营第3课】基于 InternLM 和 LangChain 搭建你的知识库

一、大模型开发范式LLM的局限性知识时效性受限：如何让LLM能够获取最新的知识专业能力有限：如何打造垂直领域大模型定制化成本高：如何打造个人专属的LLM应用两种核心的大模型开发范式RAG(检索增强生成）

A-Little-Boy·2024-01-24 04:16

大模型学习与实践笔记（十二）

使用RAG方式，构建opencv专业资料构建专业知识库，并搭建专业问答助手，并将模型部署到openxlab平台代码仓库：https://github.com/AllYoung/LLM4opencv1：创建代码仓库在

AllYoung_362·2024-01-23 21:19

#RAG##AIGC#开源 VannaSQL生成框架，与您的数据库聊天

Vanna的工作原理Vanna只需两个简单的步骤——在数据上训练RAG“模型”，然后提出问题，这些问题将返回SQL查询，这些查询可以设置为在数据库上自动运行。根据您的数据训练RAG“模型”。提出问题。

向日葵花籽儿·2024-01-23 10:05

LLMs之Vanna：Vanna(利用自然语言查询数据库的SQL工具+底层基于RAG)的简介、安装、使用方法之详细攻略

LLMs之Vanna：Vanna(利用自然语言查询数据库的SQL工具+底层基于RAG)的简介、安装、使用方法之详细攻略目录Vanna的简介1、用户界面2、RAGvs.Fine-Tuning3、为什么选择

一个处女座的程序猿·2024-01-23 10:28

用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？

检索增强生成（Retrieval-augmentedgeneration，RAG）代表了生成式人工智能领域的重大进展，将高效的数据检索与大型语言模型的强大功能相结合。

Python算法实战·2024-01-23 09:56

推荐频道

RAG