商汤万象开发者

如何保障数据安全、权限可控，满足企业内部复杂的管理要求？ 如何突破传统RAG的“单线程思维”，让多个智能体协同合作，共同完成复杂任务？

大家好呀！这里是你们的课代表懒懒~👋 今天懒懒要带大家回顾的是第15讲和第16讲的内容：从多文档总结到图表生成的论文问答系统打造！

“缓存搞定了、异步也安排了，RAG 终于跑得飞快……但它真的能看懂图了吗？” 🙋‍♀️ “PDF 里的图表，怎么总像谜语人？” 🙋‍♂️ “论文里密密麻麻的公式，是让人看，还是让人头疼？”

今天懒懒课代表要带大家回顾第11讲和第12讲的内容——如何让你的RAG系统跑得更快更稳！🚀 在前面的课程中，我们学习了通过多节点组、多路召回等策略提升RAG系统的召回效果。

围绕医学这个专业领域，一步步搭建出一个集众多本领于一身的小型智能AI医学问答系统。涉及多路召回多模态RAG、多模态问答、Chat-BI、Agent、LLM微调、多模态模型微调等等。

在前面的教程中，我们通过优化检索器和召回策略，提升了RAG系统的检索精度。但要生成高质量的回复，大模型的能力同样关键。

掌握基础并不等于拥有一套高性能、企业级 RAG 系统。第 6、7 讲 正是为此而来——聚焦效果评测与效果优化。一起看解析！

国际数据公司（IDC）发布《中国模型即服务(MaaS)及AI大模型解决方案市场追踪（2024H2）》，报告显示，商汤大装置万象平台凭借13%的市场份额稳居国内AI大模型解决方案市场第二位。

低代码、多智能体、模块化的AI应用引擎，提供从应用搭建、数据准备、模型部署、微调到评测的一站式工具支持，帮助开发者以极低的成本快速构建 AI 应用，并持续迭代优化效果。