augmented

论文：Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

论文：Retrieval-AugmentedGenerationforKnowledge-IntensiveNLPTaskscode:https://github.com/huggingface/transformerscode:https://github.com/huggingface/transformers/blob/master/model_cards/facebook/rag-toke

Ian_Wonder·2024-08-28 18:27

RAG （Retrieval Augmented Generation）简介

1.背景目前大模型很多，绝大部分大模型都是通用型大模型，也就是说使用的是标准的数据，比如wikipedia，百度百科，。。。。中小型企业一般都有自己的知识库，而这些知识库的数据没有在通用型的大模型中被用到或者说训练到。如果中小型企业要适合自己本身业务需要的大模型，当然理想的方法是重新训练数据，而这些数据有其自身业务场景的数据。现实是自身训练无论是人力成本，数据成本，计算成本都是不可行的。那么一种基

juhanishen·2024-02-15 00:44

Benchmarking Large Language Models in Retrieval-Augmented Generation-学习翻译

提检索增强生成中大型语言模型的基准测试文献学习作者将在https://github.com/chen700564/RGB上发布本文的代码和RGB。yˇ\check{y}yˇ文章目录摘要IntroductionRelatedworkRetrieval-AugmentedGenerationBenchmarkRAG所需能力数据构建评估指标ExperimentsSettings噪声鲁棒性结果否定拒绝试验

多喝开水少熬夜·2024-01-29 07:00

[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。上周先对评估综述进行了初步的扫描，本篇分享其中一份评估benchmark，RGB。论文：https://arxiv.org/abs/2309.01431代码和数据：https://github.com/

LiuHui*n·2024-01-29 07:28

Retrieval-augmented Multi-modal Chain-of-Thoughts Reasoning for Large Language Models

本文是LLM系列文章，针对《Retrieval-augmentedMulti-modalChain-of-ThoughtsReasoningforLargeLanguageModels》的翻译。检索增强的大型语言模型的多模态思维链推理摘要1引言2相关工作3方法4实验5结论摘要大型语言模型（LLM）的发展引起了人们对思维链（CoT）方法的极大关注。，主要是因为它能够增强LLM在需要复杂推理的任务中的

UnknownBody·2024-01-25 17:53

Retrieval-Augmented Generation for Large Language Models: A Survey

论文下载：https://arxiv.org/abs/2312.10997本文原作为论文“Retrieval-AugmentedGenerationforLargeLanguageModels:ASurvey”，作者为YunfanGao、YunXiong、XinyuGao、KangxiangJia、JinliuPan、YuxiBi、YiDai、JiaweiSun、QianyuGuo、MengWan

AI知识图谱大本营·2024-01-23 16:16

【论文阅读】Augmented Transformer network for MRI brain tumor segmentation

ZhangM,LiuD,SunQ,etal.AugmentedtransformernetworkforMRIbraintumorsegmentation[J].JournalofKingSaudUniversity-ComputerandInformationSciences,2024:101917.[开源]IF6.9SCIEJCI1.58Q1计算机科学2区【核心思想】本文提出了一种新型的MRI

cskywit·2024-01-23 11:58

解锁黑匣子：Chain-of-Note如何为(RAG)带来透明度

https://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

论文评论：Chain-of-Note：增强检索增强语言模型的鲁棒性

英文原文地址：https://artgor.medium.com/paper-review-chain-of-note-enhancing-robustness-in-retrieval-augmented-language-models

lichunericli·2024-01-21 09:04

Technical Considerations for Complex RAG (Retrieval Augmented Generation)

Ifyou’relookingforanon-technicalintroductiontoRAG,includinganswerstovariousgetting-startedquestionsandadiscussionofrelevantuse-cases,checkoutourbreakdownofRAGhere.Inthisarticle,wediscussvarioustechnic

放飞自我的Coder·2024-01-14 17:09

Retrieval-Augmented Generation for Large Language Models: A Survey

PS:梳理该Survey的整体框架，后续补充相关参考文献的解析整理。本文的会从两个角度来分析总结，因此对于同一种技术可能在不同章节下都会有提及。第一个角度是从整体框架的迭代来看（对应RAG框架章节），第二个是从RAG中不同组成部分来看（对应Retriever，Generator和AugmentationinRAG）。https://arxiv.org/abs/2312.10997Introduct

Anooyman·2024-01-08 07:04

A Survey on Retrieval-Augmented Text Generation翻译

检索增强文本生成研究综述文章目录摘要一、Introduction二、Retrieval-AugmentedParadigm2.1Formulation2.2RetrievalSources2.3RetrievalMetrics2.4Integration3DialogueResponseGeneration4MachineTranslation4.1TranslationMemoryinSMT4.

多喝开水少熬夜·2023-12-30 21:18

Re59：读论文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：Retrieval-AugmentedGenerationforKnowledge-IntensiveNLPTasks模型开源地址：https://huggingface.co/facebook/rag-token-nqArXiv下载地址：https://arxiv.org/abs/2005.11401本文是2020年Ne

诸神缄默不语·2023-12-17 15:40

Re58：读论文 REALM: Retrieval-Augmented Language Model Pre-Training

诸神缄默不语-个人CSDN博文目录诸神缄默不语的论文阅读笔记和分类论文名称：REALM:Retrieval-AugmentedLanguageModelPre-Training模型名称：Retrieval-AugmentedLanguageModelpre-training(REALM)本文是2020年ICML论文，作者来自谷歌，关注RAG+LLM。目标是解决纯用LM参数储存知识就得让LM尺寸越来

诸神缄默不语·2023-12-17 02:41

LangChain 24 对本地文档的搜索RAG检索增强生成Retrieval-augmented generation

LangChain系列文章LangChain实现给动物取名字，LangChain2模块化prompttemplate并用streamlit生成网站实现给动物取名字LangChain3使用Agent访问Wikipedia和llm-math计算狗的平均年龄LangChain4用向量数据库Faiss存储，读取YouTube的视频文本搜索IndexesforinformationretrieveLangC

AI架构师易筋·2023-12-15 08:44

SELF-AUGMENTED MULTI-MODAL FEATURE EMBEDDING

twoembeddingsforg_{org}organdfaug_{aug}augarecombinedusingagatingmechanism作者未提供代码

宇来风满楼·2023-11-19 08:06

Knowledge-Augmented Language Model Prompting for Zero-Shot Knowledge Graph Question Answering

本文是LLM系列的文章，针对《Knowledge-AugmentedLanguageModelPromptingforZero-ShotKnowledgeGraphQuestionAnswering》的翻译。零样本知识图谱问答的知识增强语言模型提示摘要1引言2相关工作3方法4实验设置5实验结果和分析6结论不足摘要大型语言模型（LLM）能够根据预先训练过程中存储在参数中的内部知识，执行零样本封闭式问

UnknownBody·2023-11-14 11:33

Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks - 翻译学习

知识密集型NLP任务的检索增强生成-论文学习文章目录Abstract1Introduction2Methods2.1Models2.2Retriever:DPR2.3Generator:BART2.4Training2.5Decoding3Experiments3.1Open-domainQuestionAnswering3.2AbstractiveQuestionAnswering3.3Jeop

多喝开水少熬夜·2023-11-12 17:45

《向量数据库指南》为什么要用 LlamaIndex 和 Milvus Cloud.com搭建聊天机器人？

，我们使用MilvusCloud（全托管的Milvus云服务）搭建了一个最基本的检索增强生成（RAG）（https://MilvusCloud.com/use-cases/llm-retrieval-augmented-generation

LCHub低代码社区·2023-11-09 09:54

Why Every Organization Needs an Augmented Reality Strategy？How Does Augmented Reality Work?

目录WhyEveryOrganizationNeedsanAugmentedRealityStrategyWhatIsAugmentedReality?AR’sKeyCapabilitiesVisualize.Instructandguide.EnhancingHumanDecisionMakingInteract.CombiningARandVirtualRealityHowARCreatesV

天人合一peng·2023-11-06 06:01

AAAI18最佳论文：Memory-Augmented Monte Carlo Tree Search

本文为翻译AAAI18最佳论文：Memory-AugmentedMonteCarloTreeSearch，如有错误，还望指正。转载请说明出处。记忆增强的蒙特卡洛树搜索摘要我们在本文中提出记忆增强的蒙特卡洛树搜索（Memory-AugmentedMonteCarloTreeSearch，M-MCTS）并对其进行了评估，提供了利用在线实时搜索的泛化能力的新方法。M-MCTS的核心思想是将MCTS结合一

manba_·2023-11-05 20:28

Zero-shot RIS SOTA：Text Augmented Spatial-aware Zero-shot Referring Image Segmentation 论文阅读笔记

Zero-shotRISSOTA：TextAugmentedSpatial-awareZero-shotReferringImageSegmentation论文阅读笔记一、Abstract二、引言三、相关工作3.1Zero-shot分割3.2ReferringImageSegmentation3.3ImageCaptioning四、方法4.1总体框架4.2MaskProposal网络FreeSOL

乄洛尘·2023-11-04 04:03

Elasticsearch：使用 Open AI 和 Langchain 的 RAG - Retrieval Augmented Generation （四）

这篇博客是之前文章：Elasticsearch：使用OpenAI和Langchain的RAG-RetrievalAugmentedGeneration（一）Elasticsearch：使用OpenAI和Langchain的RAG-RetrievalAugmentedGeneration（二）Elasticsearch：使用OpenAI和Langchain的RAG-RetrievalAugmente

Elastic 中国社区官方博客·2023-10-26 02:40

Elasticsearch：使用 Open AI 和 Langchain 的 RAG - Retrieval Augmented Generation （三）

这是继之前文章：Elasticsearch：使用OpenAI和Langchain的RAG-RetrievalAugmentedGeneration（一）Elasticsearch：使用OpenAI和Langchain的RAG-RetrievalAugmentedGeneration（二）的续篇。在今天的文章中，我将详述如何使用ElasticsearchStore。这也是被推荐的使用方法。如果你还没

Elastic 中国社区官方博客·2023-10-25 23:38

Elasticsearch：使用 Open AI 和 Langchain 的 RAG - Retrieval Augmented Generation （一）

最近看了一个同事的几个视频。他总结的很好。在使用LangChain时，根据LangChain的官方文档https://integrations.langchain.com/vectorstores，目前有三种方法可以进行使用：ElasticVectorSearch，ElasticsearchStore及ElasticKnnSearch。我们从上面的小红心来看，Elasticsearch无疑是最受欢

Elastic 中国社区官方博客·2023-10-25 13:46

论文笔记 -《REALM: Retrieval-Augmented Language Model Pre-Training》

1、前言2019年可以说是语言模型快速发展的一年，BERT、XLNET、Albert等等模型不断刷新各个NLP榜单。在NLP榜单中比较引人注目的应该属于阅读理解型的任务，例如SQuAD等等。以SQuAD为例，模型需要阅读一段给定的文本，然后回答几个问题，问题如果存在答案，答案一定可以在文章中找到。所以说虽然叫阅读理解，但其实和序列标注有点相像，是在给定序列中标出答案段。而这篇论文针对的问题叫开放领

*Lisen·2023-10-22 20:27

RECOMP: Improving Retrieval-Augmented LMs with Compression and Selective Augmentation

本文是LLM系列文章，针对《RECOMP:ImprovingRetrieval-AugmentedLMswithCompressionandSelectiveAugmentation》的翻译。RECOMP：利用压缩和选择性增强改进检索增强LMs摘要1引言2问题公式化：RECOMP3学习压缩器4实验设置5结果6分析与讨论7相关工作8结论摘要在推理时检索文档并在上下文中为其做准备可以提高语言模型在各种

UnknownBody·2023-10-20 22:38

【生成模型】解决生成模型面对长尾类型物体时的问题 RE-IMAGEN: RETRIEVAL-AUGMENTED TEXT-TO-IMAGE GENERATOR

介绍尽管最先进的模型可以生成常见实体的高质量图像，但它们通常难以生成不常见实体的图像，例如“Chortai（狗）”或“Picarones（食物）”。为了解决这个问题，我们提出了检索增强文本到图像生成器（Re-Imagen），这是一种生成模型，它使用检索到的信息来生成高保真和忠实的图像，即使对于罕见或看不见的实体也是如此。给定文本提示，Re-Imagen访问外部多模态知识库来检索相关（图像、文本）对

prinTao·2023-10-20 19:52

RAG:Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 论文阅读

2020NeuralPS文章地址：https://arxiv.org/abs/2005.11401源码地址：GitHub-huggingface/transformers:Transformers:State-of-the-artMachineLearningforPytorch,TensorFlow,andJAX.-142RAG目录0、背景1、摘要2、导言3、结论4、模型5、实验6、与REALM

小白的咆哮·2023-10-18 14:54

LLM应用架构之检索增强（RAG，retrieval-augmented generation）的缘起与架构介绍

LLM应用架构之检索增强（RAG）的缘起与架构介绍原创ullyAI工程化2023-08-2121:53收录于合集#领域技术13个#LLM应用架构3个动手点关注本文是LLM应用架构系列的第一篇，将介绍LLM应用开发里最常见的一种架构模式RAG（RetrievalAugmentedGeneration），它被广泛应用于知识问答，智能助手等常见LLM应用场景中。在后续文章中还将介绍该模式落地实际过程中的

AI生成曾小健·2023-10-18 14:21

ReAugKD: Retrieval-Augmented Knowledge Distillation For Pre-trained Language Models

本文是LLM系列文章，针对《ReAugKD:Retrieval-AugmentedKnowledgeDistillationForPre-trainedLanguageModels》的翻译。ReAugKD：预训练语言模型的检索增强知识蒸馏摘要1引言2相关工作3方法4实验结果5结论局限性摘要知识蒸馏（KD）是在低延迟环境中部署大规模预训练语言模型的最有效方法之一，通过将大规模模型中包含的知识转移到较

UnknownBody·2023-10-18 02:11

论文总结：Emotional Talking Head Generation based on Memory-Sharing and Attention-Augmented Networks

论文的大致流程如上所示。首先使用Dlib从身份参考的图像中，提取特征点，经过由MLP组成的Elm。输入的音频经过MFCC编码，后分为两路。其中一路将编码后的结果送入Ea，另外一路将结果送入MSEF(Memory-SharingEmotionalFeatureExtractor)。MESF用于提取情感特征。将Elm和Ea，MSEF的结果一起放入Audio2Lm(由LSTM和一个全连接层组成)。emo

the animal·2023-10-07 14:04

论文阅读 - Graph-ToolFormer: To Empower LLMs with Graph Reasoning Ability via Prompt Augmented by ChatGP

无脑敲代码，bug漫天飞·2023-09-25 01:17

图异常检测-Graph Anomaly Detection via Multi-Scale Contrastive Learning Networks with Augmented View

目录摘要Introduction图异常检测早期的工作GraphConstrastiveLearningGraphAugmentationProblemDefnitionMethodGraphAugmentationGraphContrastiveNetworkExperimentsExperimentSettingsModelParametersResultandAnalysisAblationS

无脑敲代码，bug漫天飞·2023-09-19 10:21

Augmented Large Language Models with Parametric Knowledge Guiding

本文是LLM系列文章，针对《AugmentedLargeLanguageModelswithParametricKnowledgeGuiding》的翻译。参数知识引导下的增强大型语言模型摘要1引言2相关工作3LLM的参数化知识引导4实验5结论摘要大型语言模型（LLM）凭借其令人印象深刻的语言理解和生成能力，显著提高了自然语言处理（NLP）。然而，由于对相关数据的了解有限，对于需要专业知识的特定领域

UnknownBody·2023-09-11 20:13

This algorithm turns World Cup games into 3D augmented reality

Themen’sWorldCupkicksoffthisweek.Asexcitingasitpromisestobe,however,mostofuswillonlygettowatchitonflattelevisionsets,asopposedtogettingthethree-dimensionalexperienceofseeingitliveandinperson.Researche

UKL项目评级·2023-09-11 00:08

论文阅读：Retrieval-augmented Generation across Heterogeneous Knowledge

跨异构知识的检索增强生成NAACL2022论文链接摘要检索增强生成（RAG）方法越来越受到NLP社区的关注，并在许多NLP下游任务上取得了最先进的性能。与传统的预训练生成模型相比，RAG方法具有知识获取容易、可扩展性强、训练成本低等显著优点。尽管现有的RAG模型已应用于各种知识密集型NLP任务，如开放领域QA和对话系统，但大部分工作都集中在从维基百科检索非结构化文本文档上。在本文中，我首先阐述了从

张·2023-09-07 07:17

Graph-ToolFormer: To Empower LLMs with Graph Reasoning Ability via Prompt Augmented by ChatGPT

本文是LLM系列的文章，针对《Graph-ToolFormer:ToEmpowerLLMswithGraphReasoningAbilityviaPromptAugmentedbyChatGPT》的翻译。GraphToolFormer：通过ChatGPT增强提示，赋予LLM图形推理能力摘要1引言2相关工作3记法、术语定义和问题表述4提出的方法5实验6结论7未来研究方向摘要本文旨在开发一个对复杂图形

UnknownBody·2023-09-05 23:36

An Efficient Memory-Augmented Transformer for Knowledge-Intensive NLP Tasks

本文是LLM系列文章，针对《AnEfficientMemory-AugmentedTransformerforKnowledge一种用于知识密集型NLP任务的高效内存增强转换器摘要1引言2相关工作3高效内存增强Transformer4EMAT的训练流程5实验6分析7结论局限性摘要获取外部知识对于许多自然语言处理任务至关重要，例如问答和对话。现有的方法通常依赖于将知识存储在其参数中的参数模型，或者使

UnknownBody·2023-09-05 10:13

SwiftShot: Creating a Game for Augmented Reality

SwiftShot:CreatingaGameforAugmentedRealitySeehowApplebuiltthefeatureddemoforWWDC18,andgettipsformakingyourownmultiplayergamesusingARKit,SceneKit,andSwift.OverviewSwiftShotisanARgamefortwotosixplayers,

iOSDevLog·2023-09-05 05:41

In-Context Retrieval-Augmented Language Models

本文是LLM系列文章，针对《In-ContextRetrieval-AugmentedLanguageModels》的翻译。上下文检索增强语言模型摘要1引言2相关工作3我们的框架4实验细节5具有现成检索器的上下文RALM的有效性6用面向LM的重新排序改进上下文RALM7用于开放域问答的上下文RALM8讨论摘要检索增强语言建模（RALM）方法在生成过程中对基础语料库中的相关文档设置语言模型（LM），

UnknownBody·2023-08-30 20:53

Decoupling Knowledge from Memorization: Retrieval-augmented Prompt Learning

本文是LLM系列的文章，针对《DecouplingKnowledgefromMemorization:Retrieval知识与记忆的解耦：检索增强的提示学习摘要1引言2提示学习的前言3RETROPROMPT：检索增强的提示学习4实验5相关实验6结论与未来工作摘要提示学习方法在仍然遵循基于参数的学习范式的同时，通过诱导更好的小样本表现，在自然语言处理中掀起了波澜；学习中的遗忘和死记硬背问题可能会遇到

UnknownBody·2023-08-28 16:10

AR工业应用｜增强现实物联网市场将达到7万亿美元｜effiarAR工业云平台

图片来源：https://www.engadget.com文章来源：https://iot.do/augmented-reality-iot-market-2016-10物联网智能手机应用程序和头戴式耳机或眼镜的使用有望将数字信息作为图像投影到游戏图像或工作环境上

effiar企业应用·2023-08-27 08:56

RAVEN: In-Context Learning with Retrieval Augmented Encoder-Decoder Language Models

本文是LLM系列的文章，针对《RAVEN:In-ContextLearningwithRetrievalAugmentedEncoderRAVEN:带检索的上下文学习增强的编码器-解码器语言模型摘要1引言2背景和相关工作3带有ATLAS的上下文学习4方法5实验6结论不足摘要在本文中，我们研究了检索增强的编码器-解码器语言模型的上下文学习能力。我们首先对最先进的ATLAS模型进行了全面分析，并确定了

UnknownBody·2023-08-23 03:00

Retrieval-Augmented Multimodal Language Modeling

本文是LLM系列文章，针对《Retrieval-AugmentedMultimodalLanguageModeling》的翻译。检索增强的多模态语言建模摘要1引言2相关工作3方法4实验5定性结果6结论摘要最近的多模态模型，如DALL-E和CM3，在文本到图像和图像到文本生成方面取得了显著进展。然而，这些模型将其所有知识（例如，埃菲尔铁塔的外观）存储在模型参数中，需要越来越大的模型和训练数据来获取更

UnknownBody·2023-08-22 06:37

增强现实 Augmented Reality—— AR企业应用指南

增强现实（AR）——一系列以数据和成像为基础的新兴技术——有望弥合这一断层，释放人类未被开发的特殊潜能。尽管AR技术刚刚起步，但已有迹象表明其将成为主流。据估算，2020年，全球在AR技术上的消费将达到600亿美元。AR将深刻影响每个行业的企业，以及从大学到社会企业的各类组织。在未来几年，AR将改变我们学习、决策和与物理世界进行互动的方式。客户服务、员工培训、产品设计制造、供应管理，甚至企业的竞争

薛定谔的熊猫panda·2023-07-21 09:41

无监督表示学习（二）：2018 Deep InfoMax(DIM) & 2019 Augmented Multiscale Deep InfoMax(AMDIM)

继CPC之后，DeepInfoMax（DIM）的表示学习方法被提出，通过最大化互信息的方式来约束输入和输出之间的映射关系，接着2019年，AugmentedMultiscaleDeepInfoMax（AMDIM）被提出，在DIM的基础上做了改进，将基于DIM的深度表示性能进一步提升。论文地址1、DIM：《Learningdeeprepresentationsbymutualinformatione

快乐的二叉树·2023-07-20 12:03

Augmented Reality Law, Privacy, and Ethics

AugmentedRealityLaw,Privacy,andEthicsLaw,Society,andEmergingARTechnologiesBrianD.WassomAllisonBishop,TechnicalEditorAMSTERDAM•BOSTON•HEIDELBERGLONDON•NEWYORK•OXFORDPARIS•SANDIEGO•SANFRANCISCOSINGAPORE

MC仁.光谷啊姆小新新·2023-07-15 02:44

【论文阅读】REPLUG: Retrieval-Augmented Black-Box Language Models

文章目录前言REPLUGREPLUGLSR:TrainingtheDenseRetrieverComputingRetrievalLikelihoodComputingLMlikelihood前言原文地址：REPLUG:Retrieval-AugmentedBlack-BoxLanguageModels本文提出REPLUG，一个将语言模型视为黑盒检索增强的语言模型架构。在REPLUG中，仅将检索得

长命百岁️·2023-06-10 04:01

Augmented Language Models（增强语言模型）

AugmentedLanguageModels:ASurvey先上地址：https://arxiv.org/pdf/2302.07842.pdf概率论难以支撑通用人工智能技术的诞生。——YannLeCunLLMs取得的巨大进展不再多说，它目前被诟病最多的问题是其会提供非事实但看似可信答案，即幻觉。这些问题可能源于LLMs的一个基本缺陷：它们基于统计语言建模，即(i)一个单一的参数模型和（ii）一个

上杉翔二·2023-06-09 17:14

推荐频道

augmented

论文：Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

RAG （Retrieval Augmented Generation）简介

Benchmarking Large Language Models in Retrieval-Augmented Generation-学习翻译

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

Retrieval-augmented Multi-modal Chain-of-Thoughts Reasoning for Large Language Models

Retrieval-Augmented Generation for Large Language Models: A Survey

【论文阅读】Augmented Transformer network for MRI brain tumor segmentation

解锁黑匣子：Chain-of-Note如何为(RAG)带来透明度

论文评论：Chain-of-Note：增强检索增强语言模型的鲁棒性

Technical Considerations for Complex RAG (Retrieval Augmented Generation)

Retrieval-Augmented Generation for Large Language Models: A Survey

A Survey on Retrieval-Augmented Text Generation翻译

Re59：读论文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

Re58：读论文 REALM: Retrieval-Augmented Language Model Pre-Training

LangChain 24 对本地文档的搜索RAG检索增强生成Retrieval-augmented generation

SELF-AUGMENTED MULTI-MODAL FEATURE EMBEDDING

Knowledge-Augmented Language Model Prompting for Zero-Shot Knowledge Graph Question Answering

Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks - 翻译学习

《向量数据库指南》为什么要用 LlamaIndex 和 Milvus Cloud.com搭建聊天机器人？

Why Every Organization Needs an Augmented Reality Strategy？How Does Augmented Reality Work?

AAAI18最佳论文：Memory-Augmented Monte Carlo Tree Search

Zero-shot RIS SOTA：Text Augmented Spatial-aware Zero-shot Referring Image Segmentation 论文阅读笔记

Elasticsearch：使用 Open AI 和 Langchain 的 RAG - Retrieval Augmented Generation （四）

Elasticsearch：使用 Open AI 和 Langchain 的 RAG - Retrieval Augmented Generation （三）

Elasticsearch：使用 Open AI 和 Langchain 的 RAG - Retrieval Augmented Generation （一）

论文笔记 -《REALM: Retrieval-Augmented Language Model Pre-Training》

RECOMP: Improving Retrieval-Augmented LMs with Compression and Selective Augmentation

【生成模型】解决生成模型面对长尾类型物体时的问题 RE-IMAGEN: RETRIEVAL-AUGMENTED TEXT-TO-IMAGE GENERATOR

RAG:Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 论文阅读

LLM应用架构之检索增强（RAG，retrieval-augmented generation）的缘起与架构介绍

ReAugKD: Retrieval-Augmented Knowledge Distillation For Pre-trained Language Models

论文总结：Emotional Talking Head Generation based on Memory-Sharing and Attention-Augmented Networks

论文阅读 - Graph-ToolFormer: To Empower LLMs with Graph Reasoning Ability via Prompt Augmented by ChatGP

图异常检测-Graph Anomaly Detection via Multi-Scale Contrastive Learning Networks with Augmented View

Augmented Large Language Models with Parametric Knowledge Guiding

This algorithm turns World Cup games into 3D augmented reality

论文阅读：Retrieval-augmented Generation across Heterogeneous Knowledge

Graph-ToolFormer: To Empower LLMs with Graph Reasoning Ability via Prompt Augmented by ChatGPT

An Efficient Memory-Augmented Transformer for Knowledge-Intensive NLP Tasks

SwiftShot: Creating a Game for Augmented Reality

In-Context Retrieval-Augmented Language Models

Decoupling Knowledge from Memorization: Retrieval-augmented Prompt Learning

AR工业应用｜增强现实物联网市场将达到7万亿美元｜effiarAR工业云平台

RAVEN: In-Context Learning with Retrieval Augmented Encoder-Decoder Language Models

Retrieval-Augmented Multimodal Language Modeling

增强现实 Augmented Reality—— AR企业应用指南

无监督表示学习（二）：2018 Deep InfoMax(DIM) & 2019 Augmented Multiscale Deep InfoMax(AMDIM)

Augmented Reality Law, Privacy, and Ethics

【论文阅读】REPLUG: Retrieval-Augmented Black-Box Language Models

Augmented Language Models（增强语言模型）