检索增强生成

__土块__2 天前
人工智能·技术分享·rag·ai技术·检索增强生成
RAG技术详解与应用实践RAG（Retrieval-Augmented Generation）是一种革命性的AI技术，它通过结合检索和生成的方式来增强大语言模型的能力。这种技术解决了传统大语言模型在知识更新和准确性方面的局限。
RAG专家19 天前
人工智能·知识图谱·rag·检索增强生成
【KG²RAG】结合知识图谱解决RAG 文本块孤立问题KG²RAG是南大和阿里2025年2月提出的RAG新框架，在基于语义检索的RAG上融合了知识图谱，过程是先将切分的文本块和知识图谱构建关联图谱，用嵌入模型查询语义相似的文本块，关联图谱+文本块–>子图–>关联子图–>基于知识图谱过滤组织–>拓展块。
Flying pigs~~20 天前
人工智能·prompt·rag·智能体·检索增强生成·rag优化
RAG 完整面试指南：原理、优化、幻觉解决方案适合岗位：AI 大模型开发 / NLP 算法工程师 关键词：RAG、检索增强生成、大模型幻觉、Embedding、混合检索、Chunk 优化
龙侠九重天24 天前
ai·大模型·rag·检索增强生成
RAG 检索增强生成：原理与应用场景2022 年底，ChatGPT 的横空出世让全世界见识到了 AI 的强大能力。它能够写诗、作画、编写代码，甚至能与人类进行流畅的对话。一时间，「人工智能将改变世界」成为共识，无数开发者争相将大模型接入自己的产品。
xiaotao1311 个月前
人工智能·深度学习·rag·检索增强生成
03-深度学习基础：RAG检索增强生成RAG核心组件：RAG vs 微调：记住：
Flying pigs~~1 个月前
agent·milvus·rag·智能体·检索增强生成
RAG 项目完整学习笔记与总结这是一个生产级的多层 RAG 问答系统，核心特点：多级检索降级：Redis 缓存 → BM25 关键词检索 → Milvus 向量检索，层层递进
Flying pigs~~1 个月前
人工智能·agent·milvus·rag·智能体·检索增强生成
检索增强生成RAG项目tools_03:mysql➕redis➕milvus前面我们介绍了Docker部署➕ollama➕logging➕bm25等RAG项目中各个必不可少的tools,本篇主要讲的是mysql➕redis➕milvus!!!
在未来等你2 个月前
langchain·知识库问答·向量检索·rag·ai agent·检索增强生成·技能开发
AI Agent Skill Day 11：RAG Retrieval技能：检索增强生成的技能封装【AI Agent Skill Day 11】RAG Retrieval技能：检索增强生成的技能封装在“AI Agent Skill技能开发实战”系列的第11天，我们聚焦于知识检索技能模块的核心能力——RAG（Retrieval-Augmented Generation）检索增强生成技能的封装。随着大语言模型（LLM）在开放域问答、智能客服、企业知识库等场景中的广泛应用，单纯依赖模型内部参数的知识已难以满足准确性、时效性和领域专业性的要求。RAG通过将外部知识库与生成模型动态结合，显著提升了回答的可靠性与
小马_xiaoen2 个月前
人工智能·ai·rag·检索增强生成
RAG（检索增强生成）从原理到实战全解析导读：你是否遇到过这样的尴尬：问大模型一个公司内部的具体制度，它却胡编乱造？问它昨天的新闻，它却说“我的知识只更新到2023年”？这就是大模型的**“幻觉”和“知识滞后”**痛点。
博士僧小星3 个月前
人工智能·大模型·知识图谱·rag·检索增强生成
人工智能|大模型——RAG——RAG从理论到实战各位技术大佬，大家好！今天非常荣幸能够与大家一同探讨和学习与RAG相关的理论与技术，分享的相关内容与知识仅供大家参考，抛砖引玉，有不对的地方评论区多多指正。
大傻^3 个月前
rag·检索增强生成
RAG检索增强生成深度解析：从召回率瓶颈到企业级落地实践摘要：本文深入剖析RAG（Retrieval-Augmented Generation）技术架构，重点探讨召回率低这一核心痛点，并从数据治理、多分支架构、知识图谱融合等维度，提供可落地的企业级优化方案。同时介绍Ragas自动化评估体系，帮助构建完整的RAG质量闭环。
中杯可乐多加冰4 个月前
人工智能·大模型·llm·大语言模型·rag·检索增强生成
RAG 深度实践系列（七）：从“能用”到“好用”——RAG 系统优化与效果评估在 RAG 深度实践系列的前几篇文章中，我们已经完成了从理论架构到动手搭建，再到企业级平台部署的全过程。RAG（Retrieval-Augmented Generation，检索增强生成）技术，作为连接大语言模型（LLM）与企业私域知识的桥梁，无疑是当前 AI 领域最具潜力的应用范式之一。
猿小羽4 个月前
自然语言处理·知识库·向量检索·rag·ai实战·检索增强生成
RAG 入门与实践指南近几年，生成式 AI 模型的发展速度惊人。然而，生成式 AI 往往受限于其训练数据，容易产生不可靠答案。为此，业界提出了溯源、更精准的生成方案——检索增强生成（Retrieve-augmented generation），简称 RAG。本文将全面解析 RAG 的概念、原理、优势以及如何成功地实践。
阿杰学AI4 个月前
人工智能·ai·语言模型·自然语言处理·rag·检索增强生成·rag2.0
AI核心知识76——大语言模型之RAG 2.0（简洁且通俗易懂版）RAG 2.0 是对第一代检索增强生成（Retrieval-Augmented Generation, RAG）技术的重大升级，代表了从“拼凑式” 系统向“一体化端到端” 系统的进化。
mubei-1235 个月前
人工智能·llm·rag·检索增强生成
Self-RAG：通过自我反思学习检索、生成和批判在使用RAG辅助LLM完成知识问答任务时，无论检索是否必要或者段落是否相关，不加选择地检索和合并固定数量的检索段落，都会降低LM的通用性，或者可能生成无益的反应。
mubei-1235 个月前
人工智能·llm·rag·检索增强生成
万字RAG综述：大语言模型的检索增强生成大型语言模型（LLM）展示了令人印象深刻的能力，但也遇到了幻觉、过时的知识以及不透明、无法追踪的推理过程等挑战。
mubei-1235 个月前
人工智能·llm·检索增强生成·文本检索算法
DPR：用于开放域问答的密集段落检索（1）开放域问答中的检索通常使用TF-IDF或BM25来实现，它通过倒排索引有效地匹配关键字，可以看作是用高维稀疏向量（带加权）表示问题和上下文。
mubei-1235 个月前
人工智能·llm·rag·检索增强生成
FiD：利用具有生成模型的段落检索进行开放域问答（1）开放域问答的生成模型已被证明具有相当竞争力的性能，可以无需借助外部知识完成任务。本工作研究了这些生成模型从检索到的可能包含证据的文本段落中能受益多少；
mubei-1235 个月前
人工智能·深度学习·llm·rag·检索增强生成
Retrieval-Augmented Generation(RAG) 开山之作：知识密集型NLP任务的检索增强生成目前的大型预训练语言模型的处境：（1）大型预训练语言模型已被证明可以在其参数中存储事实知识，并在对下游NLP任务进行微调时实现最先进的结果。然而，它们访问和精确操纵知识的能力仍然有限，因此在知识密集型任务中，它们的性能落后于特定任务的架构；
蜂蜜黄油呀土豆5 个月前
ai·大语言模型·rag·检索增强生成·llm应用开发
RAG 应用开发背景与问题痛点：从大模型幻觉到检索增强生成随着大语言模型（LLM）能力的不断提升，越来越多的业务开始尝试将其引入到 知识问答、智能客服、代码助手、企业知识库 等场景中。但在实际落地过程中，开发者很快会发现一个无法回避的问题：