首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
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
会员
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
rag
订阅
辣子鸡丁
更多收藏集
微信扫码分享
微信
新浪微博
QQ
2篇文章 · 0订阅
QAnything之BCEmbedding技术路线
有道近日开源了自研RAG引擎QAnything,其携带的自研BCEmbedding模型在实用上极具竞争力,不到一个月已经接近40万次下载。本文介绍BCEmbedding的技术路线的选择和一些思考。
完蛋!我把AI喂吐了!
当我们用 RAG 构建一个知识库问答应用的时候,总是希望知识库里面灌的数据越多,问答的效果越好,事实真是如此吗?这篇文章给大家答案。