首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
向量搜索
订阅
kanhaibo
更多收藏集
微信扫码分享
微信
新浪微博
QQ
5篇文章 · 0订阅
使用 LangChain + Higress + Elasticsearch 构建 RAG 应用
RAG(Retrieval Augmented Generation,检索增强生成) 是一种结合了信息检索与生成式大语言模型(LLM)的技术。
Oracle23ai来了,23爱,23❤️,都安装好了...
Oracle23c改名为Oracle23ai,也意味着Oracle数据库正式从Cloud进入AI时代
向量数据库:高效检索与大语言模型的融合
在上一篇文章中,我们探讨了大语言模型的局限性,其中很重要的一点就是大语言模型对 tokens 的限制,这个限制使得我们在开发大语言模型应用时面临很多顾虑。向量数据库就是解决这个
Elasticsearch:使用字节大小的向量节省空间 - 8.6
作者:Jack Conradson, Benjamin Trent Elasticsearch 在 8.6 中引入了一种新型向量! 该向量具有 8 位整数维度,其中每个维度的范围为 [-128, 12
Elasticsearch:运用 Python 实现在 Elasticsearch 上的向量搜索
向量搜索在最新的 Elasticsearch 的发布版中有很多新的提高。在我之前的文章: Elasticsearch:使用向量搜索来查询及比较文字 - NLP text embedding Elast