2024年5月18日，阿里巴巴 OpenSearch 研发负责人刑少敏应邀参与AICon全球人工智能开发与应用大会暨大模型应用生态展，分享《OpenSearch RAG 应用实践》

介绍了 RAG（Retrieval Augmented Generation，检索增强生成 with Rerank，并详细讲述了 Rerank 的必要性以及二阶段检索的流程。

RAG 使用Rerank和两阶段检索来提升你的检索质量 检索增强生成 (RAG)是一个含义丰富的术语。它向世界许诺，但在开发出 RAG 管道后，我们中的许多人仍然在疑惑，为什么它的效果不如我们预期的那

向量数据库：AI新纪元的基石。探索如何通过这一创新技术优化RAG（Retrieval-Augmented Generation），提高大语言模型的信息处理能力。

©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

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。