阿里RAG新框架R4性能超越Self-RAG
大型语言模型（LLMs）在生成文本时，可能会遇到所谓的“幻觉”问题。这种问题指的是模型生成的信息与现实不符，导致错误信息的产生。尽管通过检索外部数据的方式可以减少这种幻觉，但现有方法往往忽视了检索文档与LLMs之间在细粒度结构语义交互上的重要性，尤其是在处理长文档时，这种交互对提……
RAG 与 LLMs 结合综述
检索增强生成技术（RAG）与大型语言模型（LLMs）综述 摘要作为人工智能领域的一项先进技术，检索增强生成（RAG）技术能够提供可靠且最新的外部知识，极大地便利了多种任务的执行。在人工智能生成内容（AIGC）时代，RAG技术通过其强大的检索能力，为现有的生成型AI提供了额外的知识支……
RAG全栈技术最新综述
检索增强生成（RAG）概述 检索增强生成（Retrieval-Augmented Generation, RAG）是一种结合了检索和生成的自然语言处理技术，旨在通过利用外部知识数据库来增强大型语言模型（LLMs）的能力，从而解决幻觉问题和知识更新的挑战。 组成部分 检索器（Retriever）检索器是RAG系……
RAG与Text2SQL技术在医疗问答领域的应用
在现实世界中，电子健康记录（EHR）和索赔数据是医疗信息的宝贵来源，它们记录了患者的健康状况和医疗利用情况。然而，要使用这些数据回答流行病学问题，我们必须面对医学术语的复杂性以及编写复杂SQL查询的需求。为了解决这一挑战，我们提出了一种创新的解决方案，该方案整合了文本到SQL的生……
主动学习在知识挖掘中的应用
ActiveRAG: 揭示知识宝库的主动学习框架 摘要 传统的检索增强生成（RAG）模型为大型语言模型（LLMs）处理知识密集型任务提供了新的途径。然而，现有模型在吸收外部知识时过于被动，限制了LLMs的学习和理解能力。本文提出了ActiveRAG框架，它通过主动学习机制，改变了这一局面。ActiveR……
检索增强生成技术综述：自然语言处理的新范式（上）
检索增强生成(RAG)技术综述：自然语言处理的新范式（上） 引言 大型语言模型(LLMs)的发展与成就 近年来，大型语言模型（LLMs）在自然语言处理（NLP）领域取得了巨大的成功。这些模型，如GPT系列、BERT、T5等，凭借其海量的参数和在大规模语料上的预训练，展现出了令人惊叹的语……
6.1 RAG 技术概览，从AI搜索谈起
自学大语言模型系列目录概览 《带你自学大语言模型》系列提供了一份详尽的学习指南，旨在帮助读者从基础到进阶，全面掌握大语言模型的相关知识。以下是该系列的目录概览，以及对每个部分的简要介绍。 第一部分：走进大语言模型（科普向） 第一章 走进大语言模型：介绍了大语言模型的基本概念，探讨了人工智……
从RAG到GraphRAG：基于图的检索增强生成AI技术
[ 自然语言处理中的RAG模型及其演变 引言近年来，自然语言处理（NLP）领域在**检索增强生成（RAG）**模型方面取得了显著进展。RAG模型通过利用外部知识源，显著提升了语言模型的性能。 RAG模型的诞生背景在信息更新迅速的时代，传统的语言模型需要频繁更新以保持信息的时效性。例如，……
使用检索增强生成（RAG）系统提升搜索：技术和最佳实践
大型语言模型（LLMs）的兴起彻底重塑了搜索与信息检索领域。 RAG系统的概念与发展 RAG（Retrieval-Augmented Generation）系统是由刘易斯在2020年提出的一种新型信息检索技术。这种系统结合了大型语言模型的强大能力与传统的文档检索技术，旨在提高搜索结果的……
AI Agents — 从概念到Python实践实现
改变你对AI能力的认知 动机 有一句非洲谚语说得好： 单独行动，我们走得更快；一同前行，我们走得更远。 这句话同样适用于人工智能领域。正如现实中没有人能成为所有领域的专家一样，在AI世界里，也没有任何一个大型语言模型（LLM）能够独自精通所有的知识领域。因此，通过将多个专门化的AI代理联……
