小趴菜菜籽

模块化RAG技术路线图(Modular RAG Technical Map)：从基础Naive RAG 到高级Advanced，再到Modular RAG全方位技术解读 1.RAG 产生 为什么不直接

深度解读RAG技术发展历程：从基础Naive RAG 到高级Advanced，再到模块化Modular RAG的全面升级 1.RAG简介 为了引出什么是 RAG，先看一下 LLM 当前存在的问题：幻觉

实践记录和笔记，作为学习的得力助手，能够帮助我们更好地理解知识点，加深记忆，并提供一个有组织的学习框架。我们可以不断总结和反思，发现自己的不足之处，并逐步提升自己的学习能力和解决问题的能力~

当前，随着大模型参数规模的不断扩大，多机多卡分布式训练的重要性日益凸显。本指南旨在依托华为昇腾计算卡，提供一个双机16卡训练的详尽示例，更好地应对大模型的训练挑战。本次指南主要讲解如何准备双机训练的环

这一章我们聚焦多模态图表数据。先讨论下单纯使用prompt的情况下，图片和文字模态哪种表格模型理解的效果更好更好，再说下和表格相关的图表理解任务的微调方案。

本文为《深入浅出多模态》系列第一章，《多模态模型论文最全总结》将从整体介绍多模态模型发展，结合综述对各个模型按照发展时间线及发展对应关系进行介绍，后续将对其中经典及最新多模态模型进行详解，欢迎关注！

1 引言 Meta Llama 3.2多语言大型语言模型集合（LM）是一个1B和3B大小（文本输入/文本输出）的预训练和指令微调模型集合。Llama 3.2指令调整的纯文本模型针对多语言对话用例进行了

本文首先介绍 RAGAS文章中提出的 RAG 评估指标（这是一个用于评估 RAG 流程的开源框架），然后再以 LlamaIndex 为例，实现整个评估过程。

2022年初，因为老婆怀上了二胎，我终于做出了两个人生非常重要的选择：一是离开北京；二是从管理者向技术专家转变。