AI技术 | RAG
2025-03-05 21:12:40 64 举报AI智能生成
AI技术 | RAG 检索增强生成
作者其他创作
大纲/内容
基础知识
目的：提供更多的上下文，让LLM更容易召回和问题相关的信息，从而提供准确性
定义：一种模式/解决方案
个人思考
向量化(Embedding)究竟是啥？文字编成向量是啥意思，怎么做的？
为什么query从文本编码成的向量之后，用余弦相似度就能找到相关的知识？这合理吗？
除了 embedding 之外，还有别的召回相关信息的方法么？关键词召回
为什么RAG是有效的？能提高LLM回答的准确率？这是魔法么? RAG技术会改变LLM预测下一个词时的概率分布
【扩展】COT 为什么有效？
经典的RAG应用的架构图
核心范式：检索器+生成器
文档解析&切片
embedding 技术
small to big 检索策略
ReRank 排序策略
评估指标：答案的准确性、答案的相关性和上下文的相关性。
如何提升检索效果？
查询改写
查询拆分
查询路由
结合查询历史
FQA快速干预用户问答
结果过滤
结果重排
参考文档
DeepSeek大模型应用探讨与RAG技术全景
0 条评论
下一页
