检索增强生成

linmoo198610 天前
人工智能·rag·检索增强生成
检索增强生成RAG系列2--提高RAG准确度的关键点上一章讲到了RAG的基本流程，但是如果只是完成一个基本流程，想要在商业上使用还是不行，因为正常商业上的使用其准确度至少有个90%甚至更高。那么如何提高RAG的准确度，那么需要看看RAG有哪些关键点。
Python算法实战1 个月前
深度学习·算法·大模型·aigc·rag·多模态大模型·检索增强生成
如何确保大模型 RAG 生成的信息是基于可靠的数据源？在不断发展的人工智能 (AI) 领域中，检索增强生成 (RAG) 已成为一种强大的技术。RAG 弥合了大型语言模型 (LLM) 与外部知识源之间的差距，使 AI 系统能够提供更全面和信息丰富的响应。然而，一个关键因素有时会缺失——透明性。
Python算法实战5 个月前
人工智能·mongodb·langchain·机器人·大模型·检索增强生成
用通俗易懂的方式讲解：使用 MongoDB 和 Langchain 构建生成型AI聊天机器人想象一下：你收到了你梦寐以求的礼物：一台非凡的时光机，可以将你带到任何地方、任何时候。你只有10分钟让它运行，否则它将消失。你拥有一份2000页的PDF，详细介绍了关于这台时光机的一切：它的历史、创造者、构造细节、操作指南、过去的用户，甚至还有一种回到过去的方法。
Python算法实战6 个月前
人工智能·算法·大模型·llm·llama·rag·检索增强生成
用通俗易懂的方式讲解：使用Llama-2、PgVector和LlamaIndex，构建大模型 RAG 全流程近年来，大型语言模型（LLM）取得了显著的进步，然而大模型缺点之一是幻觉问题，即“一本正经的胡说八道”。其中RAG（Retrieval Augmented Generation，检索增强生成）是解决幻觉比较有效的方法。