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
房杰
更多收藏集
微信扫码分享
微信
新浪微博
QQ
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
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。
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
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
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。
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。
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。
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
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
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