RAG
16篇文章 · 0订阅
  • 分块的艺术：提升 RAG 效果的关键
    在RAG系统中，这种高效的实现往往是通过“分块”来实现的。你可以把它想象成把一本厚书分成几章——这样一来，阅读和理解就轻松多了。同样地，分块技术把大段复杂的文本拆分成更小、更容易处理的片段，让AI能更
    人工智能 LLM NLP
    分块的艺术：提升 RAG 效果的关键
  • 大模型应用之RAG详解
    技术最初源于2020年Facebook的一篇论文——《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》。是的。
    人工智能
    大模型应用之RAG详解
  • 15K star！高效的PDF转markdown，AI实用工具
    今天我们分享一个开源项目，它可以帮助你快速将PDF转成markdown，并且精度很高，它就是：Marker
    GitHub 人工智能
    15K star！高效的PDF转markdown，AI实用工具
  • 读懂RAG这一篇就够了，万字详述RAG的5步流程和12个优化策略
    ©作者| 帅气的桌子 来源| 神州问学 RAG概述 ChatGPT、GLM等生成式人工智能在文本生成、文本到图像生成等任务中表现出令人印象深刻的性能。但它们也存在固有局限性，包括产生幻觉、缺乏对生成文
    人工智能 机器学习
    读懂RAG这一篇就够了，万字详述RAG的5步流程和12个优化策略
  • 精通 RAG：如何构建企业 RAG 系统
    欢迎回来阅读“精通 RAG”系列文章！让我们撸起袖子，深入探索构建企业级 RAG 系统的复杂世界。 虽然互联网上充斥着有关简单 RAG 系统的文章，但构建一个稳健的企业级解决方案的过程却往往充满未知。
    架构
    精通 RAG：如何构建企业 RAG 系统
  • 本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG
    在这个信息爆炸💥的时代，人工筛选对自己有价值的信息无异于大海捞针。不过，幸好现在有了 AI 这个强大的工具，我们可以让它来帮我们做集检索、整合与分析为一体的工作。
    人工智能 LLM
    本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG
  • 细数RAG的12个痛点，英伟达高级架构师亲授解决方案
    检索增强式生成（RAG）是一种使用检索提升语言模型的技术。具体来说，就是在语言模型生成答案之前，先从广泛的文档数据库中检索相关信息，然后利用这些信息来引导生成过程。
    NVIDIA
  • Spring AI 基于ollama:qwen:7b + pgvector 实现RAG问答系统
    使用Spring AI框架基于ollama本地模型qwen:7b 和pgvector向量数据库实现RAG问答系统
    人工智能 后端 LLM
    Spring AI 基于ollama:qwen:7b + pgvector 实现RAG问答系统
  • Advanced RAG 09：『提示词压缩』技术综述
    文中全面介绍了多种提示词压缩算法的原理和实现细节，包括基于信息熵的Selective Context、基于软提示调优的AutoCompressor、引入数据蒸馏方法的LLMLingua-2、综合利用问
    人工智能 AIGC LLM
    Advanced RAG 09：『提示词压缩』技术综述
  • RAG 实践-Ollama+AnythingLLM 搭建本地知识库
    什么是 RAG RAG，即检索增强生成（Retrieval-Augmented Generation），是一种先进的自然语言处理技术架构，它旨在克服传统大型语言模型（LLMs）在处理开放域问题时的信息
    LLM