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
Dawson Zhu14 小时前
Agent 工具体系:从 MCP 协议到层次化工具发现
人工智能·语言模型·架构·aigc·agi
deepdata_cn14 小时前
为什么元学习是通用智能AGI的关键?
agi·元学习
yangdaxiageo17 小时前
白帽GEO的结构化信任工程:杨大侠GEO商业方法论研讨
人工智能·科技·aigc·agi
Dawson Zhu17 小时前
Agent 评估方法:评估环境、验证器与统计显著性
人工智能·语言模型·架构·aigc·agi
Dawson Zhu2 天前
AI Agent 基础架构解析:从 LLM 到 ReAct 循环与 Harness 工程的工程化路径
人工智能·语言模型·架构·aigc·agi
2601_967338712 天前
【2026年最新】智泊AGI大模型应用开发实践班,V6.0升级版!
agi
IT爱学堂2 天前
【2026年最新】智泊AGI大模型应用开发实践班(第23期),V6.0升级版
agi
叠层归一研究院5 天前
螺旋时空:E框架的整合宇宙论
人工智能·经验分享·算法·机器学习·agi
叠层归一研究院7 天前
缝合维度:时空3+1结构的拓扑起源
人工智能·算法·机器学习·agi
人工智能培训7 天前
通用人工智能AGI发展的潜在风险与管控思路
人工智能·agi