一. RAG技术概述 1.1 什么是RAG？ RAG（Retrieval-Augmented Generation，检索增强生成） 是一种将信息检索与文本生成相结合的技术，通过实时从外部知识库中检索相

1.RAG知识库的评估以及常见的错误调试 2.RAG系统的评估指标(1.上下文相关性，2.答案忠实性/基础性，3.答案相关性，4.答案完整性，5.答率正确性/准确性

作者：情感机器团队-陈少宏 邮箱：shaohon_chen@115lab.club 最近对于Scaling Law的讨论异常火热。包括ilya大神自己都下场演讲关于大模型数据规模碰壁的问题（参考：机器

在现代AI对话系统中，逐字输出效果已经成为提升用户体验的关键手段。通过流式返回，AI能够逐字或逐块生成响应，模拟人类对话的自然节奏，减少用户等待时间，并提供更流畅的交互体验

基于Vite6+Vue3+Vant4+Markdown接入整合DeepSeek打造一款流式效果代码高亮AI聊天智能对话助手。支持移动端和PC端模板。

本文从知识的输入，到文章结构的安排，再到画图，下笔直至最后的完成花费了两周时间，参考了很多资料，把一些资料中比较好的观点融入文章之中，用通俗的语言带你了解transformer，希望你能够有所收获！

今天分享一篇技术文章，你可能听说过很多大模型的知识，但却从未亲自使用或微调过大模型。 今天这篇文章，就手把手带你从零微调一个大模型。 大模型微调本身是一件非常复杂且技术难度很高的任务，因此本篇文章仅从

近年来，Transformer已经成为机器学习领域的明星架构。本文将通过35张图，简明扼要地梳理Transformer的重要概念和基本构成，让你对这一明星模型有更为清晰的认识，还有进阶版资料附在文末噢。文内还有新年福利，赶紧戳文吧！

谷歌在2017年发布Transformer架构的论文时，论文的标题是：Attention Is All You Need。重点说明了这个架构是基于注意力机制的。