<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>RAG技术 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek001/tags/RAG%E6%8A%80%E6%9C%AF/</link>
    <description>Recent content in RAG技术 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Mon, 19 Aug 2024 10:04:57 +0000</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek001/tags/RAG%E6%8A%80%E6%9C%AF/index.xml" rel="self" type="application/rss+xml" />
    <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>
    <item>
      <title>检索增强生成技术综述：自然语言处理的新范式（上）</title>
      <link>https://index.zshipu.com/geek001/post/20240801/%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90%E6%8A%80%E6%9C%AF%E7%BB%BC%E8%BF%B0%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E7%9A%84%E6%96%B0%E8%8C%83%E5%BC%8F%E4%B8%8A--%E7%9F%A5%E8%AF%86%E9%93%BA/</link>
      <pubDate>Mon, 19 Aug 2024 10:01:57 +0000</pubDate>
      <guid>https://index.zshipu.com/geek001/post/20240801/%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90%E6%8A%80%E6%9C%AF%E7%BB%BC%E8%BF%B0%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E7%9A%84%E6%96%B0%E8%8C%83%E5%BC%8F%E4%B8%8A--%E7%9F%A5%E8%AF%86%E9%93%BA/</guid>
      <description>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</description>
    </item>
    <item>
      <title>6.1 RAG 技术概览，从AI搜索谈起</title>
      <link>https://index.zshipu.com/geek001/post/20240801/6.1-RAG-%E6%8A%80%E6%9C%AF%E6%A6%82%E8%A7%88%E4%BB%8EAI%E6%90%9C%E7%B4%A2%E8%B0%88%E8%B5%B7--%E7%9F%A5%E8%AF%86%E9%93%BA/</link>
      <pubDate>Mon, 19 Aug 2024 10:00:57 +0000</pubDate>
      <guid>https://index.zshipu.com/geek001/post/20240801/6.1-RAG-%E6%8A%80%E6%9C%AF%E6%A6%82%E8%A7%88%E4%BB%8EAI%E6%90%9C%E7%B4%A2%E8%B0%88%E8%B5%B7--%E7%9F%A5%E8%AF%86%E9%93%BA/</guid>
      <description>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</description>
    </item>
  </channel>
</rss>
