AGI大模型(34):Advanced RAG之Pre-Retrieval(预检索)优化

1 Naive RAG缺陷

(1)检索效率低,检索结果不准确;

(2)用户问题比较抽象或者概念比较模糊;

(3)生成结果质量差,未忠实于检索文档的事实;

2 摘要索引

3 父子索引

4 假设性问题索引

5 元数据索引

6 索引小结

6.1 查询优化------Enrich完善问题

6.2 查询优化------Multi-Query 多路召回

6.3 查询优化------Decomposition问题分解

6.4 查询优化小结

相关推荐
LeeZhao@3 天前
【狂飙AGI】第6课:前沿技术-文生图(系列2)
人工智能·自然语言处理·aigc·embedding·agi
LeeZhao@3 天前
【狂飙AGI】第5课:前沿技术-文生图(系列1)
人工智能·语言模型·自然语言处理·aigc·agi
LeeZhao@7 天前
【狂飙AGI】第4课:前沿技术-具身智能
语言模型·自然语言处理·aigc·embedding·agi
东方佑9 天前
未来智能系统演进路线:从AGI到ASI的技术蓝图
agi
技术便签12 天前
第一篇:Agent2Agent (A2A) 协议——协作式人工智能的黎明
人工智能·python·ai编程·agi·多智能体·智能体·adk
深科文库13 天前
构建 MCP 服务器:第 3 部分 — 添加提示
服务器·python·chatgpt·langchain·prompt·aigc·agi
深科文库13 天前
构建 MCP 服务器:第 4 部分 — 创建工具
python·chatgpt·prompt·aigc·agi·ai-native
Wnq1007218 天前
通用人工智能 (AGI): 定义、挑战与未来展望
人工智能·agi
LeeZhao@18 天前
【AGI】Qwen3混合推理模型微调数据集
人工智能·数据挖掘·aigc·agi