所有文章
> 当前分类:AI驱动
LLM之RAG理论（九）| 如何在LLM应用程序中提高RAG结果：从基础到高级
2024/12/06
如果你正在用LLM（大型语言模型）构建产品或者功能，你可能会使用一种名为RAG（检索增强生成）的技术。RAG允许用户将LLM的训练数据中不可用的外部数据集成到LLM的文本生成过程中，这可以大大减少幻觉的产生，并提高文本响应的相关性。 ...
LLM之RAG理论（八）| 提高RAG性能的9种技术
【AI驱动】
2023年是迄今为止NLP发展最快的一年。这年，ChatGPT与许多其他大型语言模型层出不穷，包括开源的和闭源的。 与此同时，各个行业对个性化和全面运营的RAG的需求也在飙升，每个客户都渴望拥有自己的量身定制...
2024/12/06
LLM之RAG理论（七）| 高提升RAG检索的四种方法
【AI驱动】
RAG两大核心组件：检索和生成。本文将总结四种提高RAG系统检索质量的技术：1）子问题查询引擎（来自LlamaIndex），2）RAG-Fusion、3）RAG-end2end和4）著名的LoRA技巧。 一、LLM对问题进...
2024/12/06
LLM之RAG理论（六）| 高级RAG指南和技巧
【AI驱动】
一、基本RAG介绍 基本RAG需要从外部知识数据库中获取文档，然后，将这些文档与用户的查询一起被传输到LLM，用于生成响应。从本质上讲，RAG包括一个检索组件、一个外部知识数据库和一个生成组件。 在基本的R...
2024/12/06
LLM之RAG理论（五）| 使用知识图谱增强RAG
【AI驱动】
知识图谱（KG）或任何图都包括节点和边，其中每个节点表示一个概念，每个边表示一对概念之间的关系。本文介绍一种将任何文本语料库转换为知识图谱的技术，本文演示的知识图谱可以替换其他专业知识图谱。 一、知识图谱 ...
2024/12/06
LLM之RAG理论（四）| RAG高级数据索引技术
【AI驱动】
本文将重新审视分块技术以及其他方法，包括查询增强、层次结构和知识图谱。 一、简单RAG架构快速概览 在2023年年初，我的主要关注点集中在Vector DB及其在更广泛的设计领域中的表现上。...
2024/12/06
LLM之RAG理论（三）| 高级RAG技术全面汇总
【AI驱动】
检索增强生成（Retrieval-Augmented Generation，又称RAG）通过检索LLMs之外的数据源来支持其生成答案。RAG=搜索+LLM提示，根据用户的查询要求，LLMs会使用搜索算法从外部数据源获取上下文信息，最后，查询...
2024/12/06
LLM之RAG理论（二）| RAG综述论文详解
【AI驱动】
论文地址： 大型语言模型（LLMs）展示了强大的能力，但在实际应用中仍面临挑战，如幻觉现象、知识更新缓慢，以及在回答中缺乏透明度。检索增强生成（RAG）指的是在使用LLMs回答问题之前，从外部知识库中检索相关信息。RAG已...
2024/12/06
LLM之RAG理论（一）| CoN：腾讯提出笔记链（CHAIN-OF-NOTE）来提高检索增强模型（RAG）的透明度
【AI驱动】
论文地址： 检索增强语言模型（RALM）已成为自然语言处理中一种强大的新范式。通过将大型预训练语言模型与外部知识检索相结合，RALM可以减少事实错误和幻觉，同时注入最新知识。然而，目前的RAL...
2024/12/06
LLM之Prompt（四）| OpenAI、微软发布Prompt技术报告
【AI驱动】
摘要 生成式人工智能 （GenAI） 系统正越来越多地部署在各行各业和研究机构。开发人员和用户通过使用提示或提示工程与这些系统进行交互。虽然提示是一个广泛提及且被研究的概念，但由于该领域的新生，存在相互矛盾的术语和对构成...
2024/12/06
LLM之Prompt（三）| XoT：使用强化学习和蒙特卡罗树搜索将外部知识注入Prompt中，性能超过CoT，ToT和GoT
【AI驱动】
论文地址： 一、当前Prompt技术的局限性 LLM使用自然语言Prompt可以将复杂的问题分解为更易于管理的“thought”可以回复用户的问题。然而，大多数现有的Prompt技术都有局限性： 输入输出（...
2024/12/06
LLM之Prompt（二）：Prompt 对齐优化技术BPO
【AI驱动】
论文题目：《Black-Box Prompt Optimization: Aligning Large Language Models without Model Training》 论文链接： github地址： BPO...
2024/12/06
LLM之Prompt（一）：5个Prompt高效方法在文心一言3.5的测试对比
【AI驱动】
在Effective Prompt: 编写高质量Prompt的14个有效方法文中我们了解了14个编写Prompt的方法（非常感谢原作者），那么这些Prompt在具体大模型中的效果如何呢？本文以百度文心一言3.5版本大模型在其中5个方法上做个...
2024/12/06
Requests:API调用界的优雅绅士,告别复杂的HTTP请求!
【AI驱动】
大家好！今天我要介绍Python中一个超级实用的HTTP库 —— Requests。它就像一位优雅的管家，帮我们处理各种网络请求的细节。无论是获取网页内容、调用API接口，还是上传下载文件，用Requests都能轻松搞定。来跟我一起深入了解...
2024/12/06
不知道,但是可能超有用的 Web API
【AI驱动】
前言 网页能展示什么能做什么，很大程度上是由浏览器宿这个主环境提供的基础能力决定的，这些能力就是 Web API[1]，而这些基础能力也会时间发生变化。 近来重温WebAPI, 哇塞，变化不少，总结分享一些个人觉得比较实用的 ...
2024/12/06
LLM Agent之结构化输出
【AI驱动】
引言 自去年年底以来，GPT 的迅速发展诞生了一系列大模型。出现了更新、更大、更强的 GPT-4。OpenAI 不断推出 GPT-4，ChatGPT Plugins，代码解释器，Function calling，图片处理等等。7月的 ...
2024/12/06
搜索文章
热门话题
