RAG

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

GPT应用_PrivateGPT

项目地址：https://github.com/imartinez/privateGPT1功能1.1整体功能，想解决什么问题搭建完整的RAG系统，与FastGPT相比，界面比较简单。
xieyan0811·2024-01-23 05:30

太通透了！大模型接入业务系统的最佳实践来了

业务系统接入大模型的三种方式用通俗易懂的方式讲解系列技术交流三、直接PROMPT(提示语)方式接入PROMPT的常用技巧Zero-Shot,One-Shot,Few-Shot链式思维任务分解如何在PROMPT提示语中嵌入业务知识四、通过RAG
机器学习社区·2024-01-23 01:33

认识并使用LlamaIndex

3.1方案1：用你的数据对LLM进行微调（fine-tune）3.2方案2：[检索增强生成（RAG）](https://docs.llamaindex.ai/en/latest/getting_started
南七行者·2024-01-22 13:16

在不同的 RAG 阶段注入知识图谱

NLPResearch），及时查看最新内容原文标题：InjectingKnowledgeGraphsindifferentRAGstages原文地址：https://medium.com/enterprise-rag
hj_caas·2024-01-22 06:29

基于LLM+RAG的问答

RAGbasedQuestionAnswering原文地址：https://teemukanstren.com/2023/12/25/llmrag-based-question-answering/基于LLM+RAG
hj_caas·2024-01-22 06:25

LLM评估（一）| 大模型评估的四种方法

最后，如果LLM通过检索增强生成或RAG系统使用外部数据，我们如何判断它是否正确使用了这些数据？在本文中，我们将探讨
wshzd·2024-01-21 13:02

LLM之RAG实战（十七）| 高级RAG：通过使用LlamaIndex重新排序来提高检索效率

基本RAG的检索是静态的，会检索到固定数字（k）个相关文档，而如果查询需要更多的上下文（例如摘要）或更少的上下文，该怎么办？
wshzd·2024-01-21 13:02

LLM之RAG实战（十八）| 使用Query转换来改进RAG效果

我们将从一个简单的RAG应用程序开始，首先加载关于尼古拉斯·凯奇、《最好的时代》（尼古拉斯·凯吉首次登台表演的电视试播）和莱昂纳多·迪卡普里奥的三个维基百科页面数据
wshzd·2024-01-21 13:02

LLM之RAG实战（十六）| 使用Llama-2、PgVector和LlamaIndex构建LLM Rag Pipeline

其中RAG（RetrievalAugmentedGeneration，检索增强生成）是解决幻觉比较有效的方法。
wshzd·2024-01-21 13:59

解锁黑匣子：Chain-of-Note如何为(RAG)带来透明度

ai.plainenglish.io/unlocking-the-black-box-how-chain-of-note-brings-transparency-to-retrieval-augmented-models-rag-ae1ebb007876
lichunericli·2024-01-21 09:35

消除噪音：Chain-of-Note (CoN) 强大的方法为您的 RAG 管道提供强大动力

praveengovindaraj.com/cutting-through-the-noise-chain-of-notes-con-robust-approach-to-super-power-your-rag-pipelines
lichunericli·2024-01-21 09:04

LLMs的Chain-of-Note(CoN)检索

cobusgreyling.medium.com/chain-of-note-con-retrieval-for-llms-763ead1ae5c5Chain-of-Note(CoN)旨在通过解决噪声数据、不相关文档和domain场景来改进RAG
lichunericli·2024-01-21 09:33

Self-RAG：通过自我反思学习检索、生成和批判

论文地址：https://arxiv.org/abs/2310.11511项目主页：https://selfrag.github.io/Self-RAG学习检索、生成和批评，以提高LM的输出质量和真实性
lichunericli·2024-01-21 08:27

大模型 RAG 优化 收集一

痛点1：文档切分粒度不好把控，既担心噪声太多又担心语义信息丢失问题1：如何让LLM简要、准确回答细粒度知识？问题2：如何让LLM回答出全面的粗粒度（跨段落）知识？分析：文档分割不够准确，导致模型有可能只回答了两点，而实际上是因为向量相似度召回的结果是残缺的。有人可能会问，那完全可以把切割粒度大一点，比如每10个段落一分。但这样显然不是最优的，因为召回片段太大，噪声也就越多。LLM本来就有幻觉问题，
fan_fan_feng·2024-01-21 08:47

大模型 RAG 面试篇

1.LLMs存在模型幻觉问题，请问如何处理？检索+LLM。先用问题在领域数据库里检索到候选答案，再用LLM对答案进行加工。2.基于LLM+向量库的文档对话思路是怎么样？加载文件读取文本文本分割文本向量化问句向量化在文本向量中匹配出与问句向量最相似的topk个匹配出的文本作为上下文和问题一起添加到prompt中提交给LLM生成回答3.基于LLM+向量库的文档对话核心技术是什么？基于LLM+向量库的文
fan_fan_feng·2024-01-20 19:48

手工微调embedding模型RAG检索能力

在RAG应用中，有一个我们可以去提升的环节就是——Embedding模型，我在之前的文章《大模型主流应用RAG的介绍——从架构到技术细节》也说过可以去微调embedding模型以便增强我们整体的检索能力
asd8705·2024-01-20 06:29

NVIDIA 大模型 RAG 分享笔记

文章目录大语言模型在垂直领域落地的三个挑战：什么是RAG以及为什么能解决大预言模型所带来的的这三个问题RAG不是一项技术而是整体的Pipeline非参数化：数据库部分加载到数据库中检索阶段提升检索效率的技术检索前
RessCris·2024-01-20 06:58

书生·浦语大模型实战营-学习笔记3

目录(3)基于InternLM和LangChain搭建你的知识库1.大模型开发范式（RAG、Fine-tune）RAG微调（传统自然语言处理的方法）2.LangChain简介（RAG开发框架）3.构建向量数据库
Kinno酱·2024-01-19 17:27

《向量数据库指南》RAG 应用中的指代消解——解决方案初探

其中，检索增强生成（Retrieval-augmentedgeneration，RAG）是一种针对知识密集型NLP任务的生成方法，它通过在生成过程中引入检索组件，从已知的知识库中检索相关信息，并将这些信息与
LCHub低代码社区·2024-01-19 15:30

用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法

想象一下，你是一名侦探，身处庞大的信息世界，试图在堆积如山的数据中找到隐藏的一条重要线索，这就是检索增强生成（RAG）发挥作用的地方，它就像你在人工智能和语言模型世界中的可靠助手。
Python算法实战·2024-01-19 12:22

用通俗易懂的方式讲解：选择最佳的 Embedding 和重排序模型，提升大模型 RAG 效果特别明显！

在构建检索增强生成（RAG）Pipeline时，一个关键组件是Retriever。
Python算法实战·2024-01-19 12:21

Azure Machine Learning - 聊天机器人构建

此示例使用Python、AzureOpenAI服务和AzureAI搜索中的检索扩充生成（RAG）实现聊天应用，以获取虚构公司员工福利的解答。关注TechLead，分享AI全维度知识。作者拥有10
TechLead KrisChang·2024-01-19 06:51

大模型入门0: 基础知识

大模型0基础知识:transformer基础与NLP1参数量预估与scalinglaw2sft3RAG与langchain4prompt5rlhf6agent7分布式训练8推理优化9传统任务本文结构transformer
YueTann·2024-01-19 05:07

大语言模型LLM幻觉的解决方法：检索增强生成RAG

为了解决这些问题，检索增强生成（Retrieval-AugmentedGeneration,RAG）的概念应运而生。它是一个为大模
英智未来·2024-01-19 01:21

用通俗易懂的方式讲解：使用Llama-2、PgVector和LlamaIndex，构建大模型 RAG 全流程

其中RAG（RetrievalAugmentedGeneration，检索增强生成）是解决幻觉比较有效的方法。
Python算法实战·2024-01-18 21:33

Elasticsearch：聊天机器人教程（一）

在本教程中，你将构建一个大型语言模型(LLM)聊天机器人，该机器人使用称为检索增强生成(RAG)的模式。使用RAG构建的聊天机器人可以克服ChatGPT等通用会话模型所具有的一些限制。
Elastic 中国社区官方博客·2024-01-18 19:04

深度好文：最全的大模型 RAG 技术概览

本文是对检索增强生成（RetrievalAugmentedGeneration,RAG）技术和算法的全面研究，对各种方法进行了系统性的梳理。
深度学习算法与自然语言处理·2024-01-18 15:56

使用 Neo4j 和 LangChain 集成非结构化知识图增强 QA

目前基于大模型的信息检索有两种方法，一种是基于微调的方法，一种是基于RAG的方法。
深度学习算法与自然语言处理·2024-01-18 15:56

利用 LangChain 和 Neo4j 向量索引，构建一个RAG应用程序

Neo4j向量检索已成为检索增强生成(RAG)应用程序领域的关键工具，特别是在处理结构化和非结构化数据方面。LangChain库是构建大型语言模型(LLM)应用程序的重要框架。
深度学习算法与自然语言处理·2024-01-18 15:22

书生·浦语大模型实战营第三次课堂笔记

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:如何打造垂域大模型定制化成本高:如何打造个人专属的LLM应用RAG:检索增强生成，核心思想：给大模型外挂一个知识库，对于用户的提问
Unicornlyy·2024-01-18 10:20
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他