-
重磅！微软开源GraphRAG项目
今年四月微软发布了GraphRAG项目技术报告，PaperAgent专门发过推文进行详细介绍，时隔2个多月，微软正式开源了GrapRAG项目！微软多部门联合推出GraphRAG项目：全面性和多样性方面显著优于原生大模型RAGGraphRAG项目的知识模型：Document- 系统中的输入文档，代表CSV中的单独行或者单独的.txt 文件。TextUnit- 要分析的文本块。这些块的大小、重叠度都可…- 1
- 0
-
谷歌重磅：告别RAG，长上下文的大语言模型无需检索增强
夕小瑶科技说 原创作者 | Richard当今人工智能领域正在经历一场静默的革命。随着大语言模型(LLM)的快速发展，它们不仅能够处理更长的上下文，还展现出惊人的推理和检索能力。难道我们要告别基于LLM的检索增强生成(RAG)了吗？结果还真是这样，最近谷歌发布专门用于评估长上下文语言模型的LOFT测试基准，该测试基准评估长上下文LLM在各种实际任务中的表现，包括信息检索、问答和数据库查询等。LOF…- 1
- 0
-
一文搞懂大模型、RAG、函数调用、Agent、知识库、向量数据库、知识图谱、AGI的区别和联系！！…
背景 当我们把AI大模型视作人的大脑时，调用A大模型就如同调用一个人的智慧。将AI大模型人格化，意味着它应该能够理解人类的语言（懂人话）、用人类的语言进行表达（说人话），并直接给出结果。然而，重要的是要认识到，尽管AI大模型可以提供快速的答案，但这些结果并不总是完全准确。 &nb…- 1
- 0
-
LLM企业应用落地场景中的问题一览 ｜LLM ｜RAG ｜Agent ｜TorchV
最近两个多月写文章的频率明显低了很多，不是因为懒了，而是忙着做LLM应用的客户场景落地去了。今天把客户场景落地中的一些心得总结分享一下，希望对广大期望LLM应用落地的企业有一些帮助。前述与很多企业客户的深度接触之后，发现绝大多数企业在LLM应用落地中存在三个显著问题，这些企业包括世界500强企业、央企、著名品牌公司，也包括和我们一样但非AI行业的创业公司，所以从样本上来说应该有一定的参考性。然后再…- 2
- 0
-
RAG在企业应用中落地的难点与创新（文字稿）
朋友们，上午好！我叫卢向东，来自杭州，今天为大家分享的是我们在大模型应用的企业落地时碰到的一些关于RAG的难点和创新。可能很多朋友认识我是因为公众号“土猛的员外”，从去年6、7月份开始持续分享了关于RAG和大模型的一些文章和观点。现正在和几个伙伴一起创业，担任杭州萌嘉网络科技（也就是TorchV）的CEO。今天在这里想和大家分享的主要内容，是关于我们在大模型应用的企业落地场景中遇到的一些问题，以及…- 1
- 0
-
大模型项目中RAG与微调的选择：一场关于效率与效果的对话
在深度学习领域，预训练模型的兴起为自然语言处理（NLP）、计算机视觉（CV）等任务带来了革命性的突破。然而，如何将这些大型预训练模型有效应用于具体业务场景，成为研究者和工程师面临的挑战之一。本文旨在探讨两种主流方法——微调（Fine-tuning）与检索增强生成（Retrieval-Augmented Generation, RAG）在大模型项目中的应用与选择，通过对比分析，为相关领域的实践者提供…- 1
- 0
-
搞懂大模型中的提示工程、RAG和微调
我们都知道大模型非常火，很多人想必也都用过不少AI产品，比如百度的文心一言、字节的豆包、阿里巴巴的通义千问、腾讯的元宝、月之暗面的Kimi智能助手等等。那么对于提示工程、RAG（检索增强）和微调，在工程当中，我们应该怎么去选择呢？我们先要搞清楚，大模型是怎么训练出来的？首先需要有海量的数据，然后通过训练，来构造一个大模型。训练好的大模型，具备了很多的能力，因为在我们训练的过程中，使用到的数据是非常…- 1
- 0
-
RAG坦途已现！DSPy，将会革命性改变RAG系统的构建方式
在不断发展的人工智能和自然语言处理领域，出现了一位有望改变游戏规则的新玩家：DSPy。DSPy框架将会彻底改变构建检索增强生成（RAG）系统的方式，提供前所未有的灵活性和控制力。这一改变将会是革命性的。本文将探讨DSPy是什么、如何工作，以及为什么它将改变RAG领域的游戏规则。1 什么是DSPy？ DSPy，即声明式语言模型编程（Declarative Language Model P…- 0
- 0
-
Jina Reranker v2：多语言支持、函数调用、代码搜索，超快推理！
Jina Reranker v2 是专为 Agentic RAG 打造的高性能 Reranker 模型。它不仅支持 100 多种语言的精准搜索和代码检索，更将推理速度提升至前代产品的 6 倍。作为 Jina AI 的最新力作，Jina Reranker v2 为 RAG 系统开发者带来前所未有的效率和准确性。这款模型具备以下特性：多语言支持：覆盖上百种语言，搜索效果领先 bge-reranker-…- 2
- 0
-
一系列 RAG 技术可帮助您将 RAG 应用开发成为稳健且持久的应用
一系列 RAG 技术可帮助您将 RAG 应用开发成为稳健且持久的应用如今，人们发展成为生成式人工智能专家的速度非常惊人。他们每个人都宣称生成式人工智能将带来下一场工业革命。这是一个很大的承诺，但我同意，我认为这次是真的。人工智能最终将彻底改变我们的工作和生活方式。我无法想象我们会陷入下一个 人工智能寒冬。LLM 和多模态模型非常有用，并且“相对”容易实施到现有流程中。一个向量数据库，几行…- 1
- 0
-
提升RAG性能！结合查询扩展与重排模型的全新策略
查询扩展在进行信息检索时，为了提高搜索系统的召回率，可以使用查询扩展方法。通过向搜索查询中添加额外的术语，查询扩展可以找到那些与初始查询词汇不完全匹配但相关的文档。这对于提升检索增强生成 (RAG) 系统的性能尤为重要和有用。为什么使用查询扩展？查询扩展有几个重要的原因：- **提高召回率**：帮助检索与查询语义相关但不一定包含相同关键词的文档。- **解决查询歧义**：对于简短或模糊的查询，查询…- 2
- 0
-
小白学RAG：斯坦福Text2SQL框架CHESS
利用大型语言模型（LLMs）将自然语言问题转化为SQL查询（text-to-SQL）是一种有前途但具有挑战性的方法，特别是在应用于具有复杂和广泛模式的真实世界数据库时。在SQL生成过程中有效地结合数据目录和数据库值仍然是一个障碍，导致次优解决方案。我们通过提出一个新的管道来解决这个问题，该管道有效地检索相关数据和上下文，选择高效的模式，并合成正确且高效的SQL查询。为了提高检索精度。https:/…- 0
- 0
-
【RAG论文】检索信息中的噪音是如何影响大模型生成的？
前些天看到的两篇论文，论文标题为：《The Power of Noise Redefining Retrieval for RAG Systems》《How Easily do Irrelevant Inputs Skew the Responses of Large Language Models》 主要讲述了检索文档是如何影响大模型输出的以及相关实验结果，为了浪费时间，大家可以参考下其中的结论…- 0
- 0
-
PlanRAG：基于迭代计划再RAG解决复杂数据分析任务，比迭代RAG提升15.8%
如何将大型语言模型（LLMs）应用于需要复杂数据分析的决策制定问题？定义了一种新的任务类型，称为决策问答（Decision QA），它要求模型回答给定的决策问题、业务规则和数据库的最佳决策。决策QA示例。一个红点代表一个交易节点。在Deccan框中的盈利表示每个决策可能带来的盈利变化。请注意，潜在的盈利变化不在数据库中，应该从数据库中计算得出。每个国家只有一个主要的（家庭）交易节点。在表格中，下划…- 0
- 0
-
一文梳理有效提升RAG效果的方法
阿里妹导读本文会先介绍几篇关于RAG优化的论文，再记录一些常见的RAG工程实践经验。在大模型实际落地的时候，存在一些问题，主要集中在以下方面：缺少垂直领域知识：虽然大模型压缩了大量的人类知识，但在垂直场景上明显存在短板，需要专业化的服务去解决特定问题。存在幻觉、应用有一定门槛：在大模型使用上有一些幻觉、合规问题，没有办法很好地落地，配套工作不足，缺乏现成的方案来管理非结构化文本、进行测试、运营和管…- 1
- 0
-
AI+Office ，2024 Q2
在上篇Q1的观察主要从与 RAG，Workflow，Money相关的三个问题开始试图明晰出其中的关键很庆幸Q2中看到了一些解法，走向了“术”的角度发展的方向也逐渐拨开云雾整个Q2针对 AI+效率工具的思考依然是三个大方向UGC内容库成为了AIGC?的燃料，传统的Template会进阶到新的DraftRAG层的数据异质性处理逐渐前置，?还有什么是会逐渐前置到模型侧？分销模式?，针对“健身房”式的AI…- 4
- 0
-
有效果！1万份PDF！做知识库+知识图谱！纯本地Qwen2生产！高并发+可拓展！番外3-2
今天！内容非常简单！#1 做知识图谱！把N份PDF，给本地大模型做！#2 接入RAG系统！用知识图谱提升性能！提问：“卖油翁的作者是谁？”大模型学习知识图谱后，回答：卖油翁的作者是欧阳修。根据提供的文本信息，“《卖油翁》 -> Written by -> 欧阳修”明确指出《卖油翁》是由欧阳修所写。此外，文本中也提到“《卖油翁》写作背景是宋英宗治平四年（1067年），欧阳修遭飞语中伤，自…- 3
- 0
-
LongRAG：利用长上下文大语言模型提升检索生成效果
一、前言前面我们已经介绍了多种检索增强生成 (RAG) 技术，基本上在保证数据质量的前提下，检索增强生成（RAG）技术能够有效提高检索效率和质量，相对于大模型微调技术，其最大的短板还是在于有限的上下文窗口限制。因为传统的 RAG 框架普遍依赖"短检索单元"，这一局限性严重制约了模型的性能表现。传统的短检索单元就像在浩瀚的图书馆中只能借阅残缺的书页，难以获取完整信息。这种局限性给…- 3
- 0
-
AGI｜RAG文本溯源的PDF高亮显示，让知识一目了然！
RAG文本溯源的PDF高亮显示在网页中集成PDF文档的显示功能并实现RAG文本溯源的高亮处理，是一个并不常见的需求，因此相关的指导资料和教程较少。本篇文章通过介绍两种工具，来分享一下笔者是如何完成此需求的。 作者 马文澍 | 前端开发工程师云想衣裳花想容 春风拂槛露华浓Part1工具介绍在web环境下嵌入页面渲染pdf并不是一个常见的需求，这方面的文档教程也是很匮乏的…- 1
- 0
-
使用 Gemma 2 构建 RAG的全过程（ Ollama 或 Hugginface ）
Gemma 2 ：使用 Ollama 或 Hugginface 构建 RAG（检索增强生成）管道。了解高级 RAG、部署策略。Hi，这里是Aitrainee，欢迎阅读本期新文章。没错，这两天关于Gemma2 9B、27B开源的消息又刷屏了，如果你还不知道的话，可以搜搜看看，还是挺不错的。▲ 从这组官方的对比数据看出，能力已经力压llama3，甚至gemma:27b的能力也接近了llama…- 1
- 0
-
CRAG技术：重塑检索增强型语言模型的未来
在数字化时代，人工智能（AI）的每一次技术革新都可能引领行业的变革。CRAG（Chain of Thought Retrieval-Augmented Generation）技术，作为AI领域的新星，以其独特的检索增强型能力，为自然语言处理（NLP）带来了前所未有的深度和精准度。本文将带您深入了解CRAG的创新之处，以及它如何推动AI技术的边界。一、传统RAG的局限与CRAG的创新RAG技术通过结…- 1
- 0
-
RAG流程优化（微调）的4个基本策略
在本文中，我们将介绍使用私有数据优化检索增强生成(RAG)的四种策略，可以提升生成任务的质量和准确性。通过使用一些优化策略，可以有效提升检索增强生成系统的性能和输出质量，使其在实际应用中能够更好地满足需求。RAG简单回顾RAG主要有两个过程。第一个是“数据收集过程”，它收集来自不同来源的数据，将其转换为文本，将其分割成较小的、连贯的和语义相关的部分，并将结果存储在矢量数据库中。第二个是“推理过程”…- 4
- 0
-
关于RAG优化的几个小技巧
一、背景说明RAG技术为大型语言模型（LLMs）提供了从数据源检索到的信息，以支撑其生成的答案。简而言之，RAG就是搜索加上LLM提示，你让模型在提供的信息上下文中回答问题。查询和检索到的上下文都被注入到发送给LLM的提示中。传统的建模方式:典型的RAG向量化应用程序有两个主要组件：索引：从源中获取数据并对其进行向量化索引。检索和生成：运行时接受用户查询转化成向量化数据，并从索引中检索相关数据，然…- 2
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×