<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>综述 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek001/tags/%E7%BB%BC%E8%BF%B0/</link>
    <description>Recent content in 综述 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 20 Aug 2024 02:37:44 +0000</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek001/tags/%E7%BB%BC%E8%BF%B0/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>大语言模型综述分析</title>
      <link>https://index.zshipu.com/geek001/post/20240801/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%BB%BC%E8%BF%B0%E5%88%86%E6%9E%90--%E7%9F%A5%E8%AF%86%E9%93%BA/</link>
      <pubDate>Tue, 20 Aug 2024 02:37:44 +0000</pubDate>
      <guid>https://index.zshipu.com/geek001/post/20240801/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%BB%BC%E8%BF%B0%E5%88%86%E6%9E%90--%E7%9F%A5%E8%AF%86%E9%93%BA/</guid>
      <description>论文题目：Large Language Models: A Survey 大语言模型综述 引言本文由著名学者Tomas Mikolov等人撰写，全面回顾和分析了大语言模型（LLMs）的发展历程、类型及其构建方法。 语言模型的发展历程 统计语言模型：早期的语言模型，基于统计学原理构建。 神经网络模型：引入神经网络技术，提高语言模型的表达</description>
    </item>
    <item>
      <title>RAG综述笔记</title>
      <link>https://index.zshipu.com/geek001/post/20240801/RAG%E7%BB%BC%E8%BF%B0%E7%AC%94%E8%AE%B0--%E7%9F%A5%E8%AF%86%E9%93%BA/</link>
      <pubDate>Mon, 19 Aug 2024 10:10:57 +0000</pubDate>
      <guid>https://index.zshipu.com/geek001/post/20240801/RAG%E7%BB%BC%E8%BF%B0%E7%AC%94%E8%AE%B0--%E7%9F%A5%E8%AF%86%E9%93%BA/</guid>
      <description>公众号文章目录综述 引入在本文中，我们将深入探讨一系列先进的技术主题，包括自然语言处理、机器学习模型的评估与优化，以及多模态学习的最新进展。这些主题不仅涵盖了理论研究，也包括了实际应用和未来发展趋势的讨论。 一、摘要（Abstract）简要概述了文章的主旨和核心观点，为读者提供了一个</description>
    </item>
    <item>
      <title>RAG全栈技术最新综述</title>
      <link>https://index.zshipu.com/geek001/post/20240801/RAG%E5%85%A8%E6%A0%88%E6%8A%80%E6%9C%AF%E6%9C%80%E6%96%B0%E7%BB%BC%E8%BF%B0--%E7%9F%A5%E8%AF%86%E9%93%BA/</link>
      <pubDate>Mon, 19 Aug 2024 10:04:57 +0000</pubDate>
      <guid>https://index.zshipu.com/geek001/post/20240801/RAG%E5%85%A8%E6%A0%88%E6%8A%80%E6%9C%AF%E6%9C%80%E6%96%B0%E7%BB%BC%E8%BF%B0--%E7%9F%A5%E8%AF%86%E9%93%BA/</guid>
      <description>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</description>
    </item>
  </channel>
</rss>
