Base de conhecimento de IA

ColBERT（基于 BERT 的上下文化后交互）与传统的密集嵌入模型有所不同。以下是 ColBERT 工作原理的简要说明： Token 层级嵌入：不同于直接为整个文档或查询创建单个向量，ColBER...

引言 RAPTOR（树结构化检索增强生成的递归摘要处理）是一种先进的检索增强生成（RAG）方法。它通过引入层级文档结构化和摘要技术，增强了传统的 RAG 流程。 https://github.com...

介绍 RAG-Fusion 是一种先进的信息检索和文本生成方法，建立在检索增强生成（RAG）的基础上。该项目实现了 RAG-Fusion，以提供更准确、更具上下文相关性且更全面的用户查询响应。 htt...

介绍 自查询 RAG（Self-Query RAG） 是一种先进的检索增强生成（RAG）方法，它通过在摄取阶段引入元数据提取以及在检索阶段引入智能查询解析，从而增强了传统 RAG 流程。 https...

介绍 查询转换使用手册展示了在检索增强生成 (RAG) 查询引擎、智能体或其他流程中执行用户查询前进行转换和分解的多种技术。这些转换可以提高 AI 应用中响应的质量和相关性。 https://gith...

简介 自动合并检索器是增强检索生成（RAG）框架的一种高级实现。该方法旨在通过将可能分散且较小的上下文合并成更大且更全面的上下文，从而增强 AI 生成响应的上下文感知能力和连贯性。 https://g...

引言 基于句窗口的检索增强生成（Retrieval-Augmented Generation，简称 RAG）方法是 RAG 框架的高级实现，旨在增强 AI 生成回答的上下文感知能力和连贯性。该方法...

基于句子窗口的检索器 RAG 方法 引言 基于句子窗口的检索器 RAG（Retrieval-Augmented Generation）方法是 RAG 框架的高级实现，旨在增强 AI 生成回复的上下...

简介 评估是开发和优化检索增强生成（RAG）系统的关键环节。评估涉及对 RAG 流程各方面的性能、准确性和质量进行衡量，包括从检索效果到生成响应的相关性和真实性。 RAG 评估的重要性 对 RAG...

O modelo de reordenação melhorará os resultados da classificação semântica ao reordenar a lista de documentos candidatos com base na correspondência semântica com a pergunta do usuário. Comumente usado o bge-reranker-v2-m3 ou o cohere

Bem-vindo a este notebook, onde exploraremos como configurar e observar o pipeline Retrieval Augmented Generation (RAG) usando o Llama Index. https://github.com/adithya-s-k/AI-Engineeri...

Introdução A fragmentação de dados é uma etapa fundamental dos sistemas RAG (Retrieval Augmented Generation). Ele divide documentos grandes em partes menores e gerenciáveis para indexação, recuperação e processamento eficientes. Este LEIAME apresenta uma visão geral dos vários métodos de fragmentação disponíveis no pipeline do RAG. https...

简介 BM25 检索增强生成（BM25 RAG）是一种高级技术，将用于信息检索的 BM25（Best Matching 25）算法与大语言模型结合，用于文本生成。通过使用经过验证的概率检索模型，此方法...

介绍 检索增强生成 (RAG) 是一种强大的技术，它将大型语言模型的优势与从知识库中检索相关信息的能力相结合。这种方法通过将生成的响应建立在特定的检索信息上来提高生成响应的质量和准确性。a 本笔记...

Visão geral Este guia o orientará na criação de um sistema RAG (Retrieval Augmented Generation) simples usando Python puro. Usaremos um modelo de incorporação e um modelo de linguagem grande (LLM) para recuperar documentos relevantes e gerar respostas com base nas consultas do usuário. https...

综合介绍 LangChain Academy 是一个专注于教授 LangChain 生态系统基础知识的在线学习平台。该平台提供了丰富的课程内容，涵盖了 LangGraph 框架的基本概念和高级主题。L...

Resumo O campo de pesquisa de interpretação de papéis para gerar respostas semelhantes às humanas tem atraído cada vez mais atenção, pois os modelos de linguagem grande (LLMs) têm demonstrado um alto grau de recursos semelhantes aos humanos. Isso facilitou a exploração de agentes de interpretação de papéis em uma variedade de aplicações, como chatbots que podem se envolver em diálogos naturais com os usuários e aqueles que podem fornecer ...

我们发布了大量基于 Claude 应用的卡片图提示词。有些人会有疑问，为什么提示词并没有约束输出格式，但输出格式总是SVG格式而且很稳定。 首先卡片图提示词使用了LISP语言作为“伪代码”，使用LIS...

专为 AI 产品团队和 AI 领导者设计，介绍如何评估基于 LLM 的产品。提供轻松入门的学习方式，无需编程知识。课程将于 2024 年 12 月 9 日 开始。 您将学习到的内容 LLM 评估的...