-
大道至简，GraphRAG生成的Prompt和数据集，用60行Python基础代码就能优化
最近有朋友问我，Prompt优化有什么用？这是一个严肃的问题，因为很多朋友写出了Prompt根本没有优化之后的使用机会，现在Token又这么便宜，又不在乎多几个Token，优化有什么用？放在扣子里虽说收费，但费用也能接受，太多的Token便宜到几乎可以忽略费用。或许你认为，Prompt优化现在看来没那么重要。我的公众号文章中有很多篇幅都是用来介绍优化的，要是把优化问题仅认为是一个费用问题或准确率问…- 5
- 0
-
mem0替代RAG？放NND狗屁
最近很多AI自媒体又在吹一个叫mem0的项目，可以替代甚至超越RAG。Mark基于他们提供的知识，分析了半天，得出一个结论：“完全无法替代RAG，又是一个被过度吹捧的项目”。直到最近，mem0冲上了GitHub热榜Top1，才让我又一次重视起这个项目！这次我决定自己研究，跑了一下官方给的demo，得出正确的结论：“mem0是个性化记忆层工具，可以让用户实现跨AI应用的长期个性化记忆，和RAG没有半…- 6
- 0
-
RAG优化攻略：最详细的RAG构建分块策略与实战代码案例
在构建RAG相关的应用程序时，分块是一项关键技术。这一过程将大块文本分解为较小的段落，从而更容易管理和处理文本数据。分块技术对于优化内容嵌入和提高检索效率至关重要。当我们将内容嵌入到LLM中时，分块可以显著提升从向量数据库中返回内容的相关性。在这篇博文中，我们将深入探讨分块技术如何在提高LLM效率和准确性方面发挥作用，以及其在实际应用程序中的具体应用和优势。通过分析和实验证明，我们将展示分块如何帮…- 3
- 0
-
简单介绍一下什么是大模型RAG技术
随着人工智能的迅猛发展，大语言模型(LLM)成为众多企业的关注焦点。然而，LLM在实际应用中往往难以完全满足特定需求。为了解决这个问题，“检索增强生成”（Retrieval-Augmented Generation，简称RAG）技术应运而生，迅速成为AI领域的热门话题。RAG巧妙地将企业私有数据与LLM的强大能力结合起来，成为连接LLM与业务需求的桥梁。一、RAG：解决LLM在企业应用中的3个关键…- 6
- 0
-
绝了！这样做竟能让RAG准确率飙升至90%以上，简直开挂！
背景自从OpenAI的ChatGPT横空出世以来，各类大语言模型（Large Language Model，简称LLM）以其丰富而强大的自然语言处理能力点燃了人们对AI的热情。无论是在教育、医疗、金融、法律还是娱乐行业，LLM的影响都在不断深化，帮助人们更有效地处理语言数据，提高工作效率，创造新的服务和产品。虽然LLM在通用知识领域表现如此出色，但是由于其训练语库（一般由普适知识、常识性知识，如维…- 6
- 0
-
看了那么久RAG还是调不明白？万字长文给你讲透RAG问题与优化策略！掌握Agent必备技能！AI学习你不能错过的RAG最全科普！
小纸条前前后后已经给大家分享过很多次RAG的知识了，可是最近在落地实操的RAG+LLM的Agent的配置过程中各种碰壁啊!无所不用其极的尝试各种办法，还是发现对于模型输出的结果的准确度和质量收效有限，带着一肚子的问题，笔者这回想喝到假一起深入探讨针对 Retrieval-Augmented Generation (RAG) 在实际应用中遇到的主要痛点所提出的解决方案，好能在日常的 RAG 模型开发…- 5
- 0
-
揭秘”工程”背后的秘密，看领英如何用生成式AI重塑传统业务
在过去六个月里，我们 LinkedIn 的团队一直在努力开发一种新的 AI 驱动的系统体验。我们希望重新设想我们的用户如何进行工作岗位搜索和浏览专业内容。生成式 AI 的爆发让我们停下来思考，现在有哪些场景是一年前不可能实现的。我们尝试了许多想法，但都没有真正奏效，最终我们发现了可以将每个动态和职位发布变成一个开始：更快获取信息，例如从帖子中提取要点或了解公司的最新动态。Connect the d…- 6
- 0
-
评估 RAG 和长上下文 LLM 输出的质量
介绍如何衡量长上下文 LLM 输出和 RAG 结果的质量？SalesForce 着手创建一个数据集和一个框架来衡量生成输出的准确性。Salesforce 设计了一个程序来创建包含重复见解或信号的文档“干草堆” 。 “干草堆摘要”(SummHay)任务要求系统生成识别相关见解并引用源文档的摘要。通过对预期见解和引用的精确了解，Salesforce 实现了对覆盖率和引用的自动评估评分摘要。Salesf…- 5
- 0
-
Google 研究的推测 RAG
为什么选择 RAG新兴能力直到最近，人们发现 LLM 具有新兴能力，即在与用户或任务交互过程中出现的意外功能。这些功能的示例包括：解决问题： LLM 可以利用其语言理解和推理能力，为未经过明确培训的任务提供富有洞察力的解决方案。适应用户输入： LLM 可以根据特定用户输入或上下文定制其响应，从而在交互中展现一定程度的个性化。通过对上下文的理解， LLM 可以生成与给定…- 7
- 0
-
GraphRAG在网络安全情报分析的变革性应用
by Rafa Lachmish，PM @Wib (Acquired by F5) | GenAI | Cybersecurity | Startups | Growth & Kindness is everything 2024年7月10日应对网络安全中的数据过载 数字信息的快速增长给网络安全专业人士和技术爱好者带来了重大挑战。随着从事件报告、威胁情报源到…- 24
- 0
-
RAG优化秘籍：非结构化文档解析全攻略大汇总
一、背景RAG（Retrieval-Augmented Generation），即检索增强生成，是一项由 Facebook AI Research（FAIR）团队于2020年提出的前沿人工智能技术。这项技术巧妙地融合了检索（Retrieval）与生成（Generation）两大环节，通过在海量数据中检索出相关信息，辅助语言模型产出更精确、更详尽的文本内容。RAG技术之所以备受推崇，主要得益于以下几…- 3
- 0
-
RAG 2.0谷歌RICHES：边检索、边思考、边生成
RAG 2.0方法由contextual.ai推出，它将预训练、微调和对齐所有组件作为一个单一的集成系统，通过大模型和检索器进行反向传播以最大化性能。旨在解决RAG面临的各个组件技术是有效，但整体远非最佳的问题。Google DeepMind提出一种新颖的方法RICHES（Retrieval Interlaced with Sequence Generation），通过单一的LLM和解码过程，将文…- 9
- 0
-
AI快研侠是一个什么样的产品？
快研侠产品简介快研侠核心产品能力介绍快研侠能帮你解决哪些问题和痛点？快研侠产品使用指南快研侠下一步产品规划常见问题解答一.快研侠产品简介1.快研侠产品介绍“快研侠，一个用AI做研究的网站”，正如我们的产品slogan描述的，快研侠是一个以提供AI生成研究报告、AI提升研究效率为核心服务的产品，我们深度聚焦在“研究”这个AI应用领域，专注于解决广大用户在工作和生活中关于“研究”这个事情的效率问题。首…- 7
- 0
-
LlamaIndex结合DSPy，进一步优化RAG系统
结合LlamaIndex和DSPy，优化RAG系统的开发过程，提升性能，包括具体的代码实现步骤。本文带读者了解如何运用LlamaIndex和DSPy这两个工具来构建和优化检索增强型生成（Retrieval-Augmented Generation, RAG）系统。通过这两个框架的无缝结合，我们不仅能够简化开发过程，还能显著提高RAG系统的整体性能。接下来，将详细解析LlamaIndex与DSPy如…- 10
- 0
-
RAG（检索增强生成）系统的问题及解决思路
引言随着大型语言模型（LLM）的出现，人们对更好搜索能力的需求催生了新的搜索方法。虽然基于关键字的传统搜索方法和推荐系统在某种程度上是有效的，但 LLM 的出现将搜索能力提升到了一个新的水平。尽管这个话题相对较新，但已经有很多研究成果发表。在这篇文章中，我将尝试总结一些流行的技术，这些技术被用来提升检索增强生成（RAG）系统的性能和输出的相关性。尽管我会尽量涵盖许多好的想法，但实际上还有更多方法可…- 8
- 0
-
优雅谈大模型：白话向量数据库
向量数据库代表了一种现代数据存储方法，其中信息被保存为高维向量，也就是通过Embedding Model进行数据特征或属性捕获后的数学表达方式。这些向量可以跨越数十到数千个维度，具体取决于每个应用对于数据的粒度要求。向量数据库支持文本、图像、音频或视频等原始数据，这些原始数据都会采用Embedding Model进行数据处理。当然Embedding Model的技术是多样化的，可以是机器学习模型、…- 7
- 0
-
Rerank模型哪款最强？详解如何轻松集成到你的项目中！
昨天的文章中我们提到，可以使用Rerank对RAG系统进行优化。揭开RAG重排序（Rerankers）和两阶段检索（Two-Stage Retrieval）的神秘面纱今天，我们动手在项目中实现Rerank。Rerank的目的是通过重新排序检索结果，提升文档与查询的相关性。其优势在于能够进一步提高检索准确性，确保最相关的文档排在前列，从而显著提升系统的整体性能和用户体验，如下图所示。因为在搜索的时候…- 4
- 0
-
RAG2.0重磅发布，究竟有哪些颠覆性更新？
What Are RAGs? 什么是 RAG2.0？ RAG 2.0方法由contextual.ai推出，它将预训练、微调和对齐所有组件作为一个单一的集成系统，通过大模型和检索器进行反向传播以最大化性能。旨在解决RAG面临的各个组件技术是有效，但整体远非最佳的问题。 使用 RAG 2.0 训练的上下文语言模型在我们的所有基准测试中的性能明显优于现有的 RAG 系统。Natural Question…- 7
- 0
-
【24/100个AI应用体验】graphRAG，解释下苏东坡为什么乐观
┃这一篇蛮长，先做个免责声明一如既往是经本人实操做的分享如果你已经很擅长知识图谱、rag或者是个成熟的程序员，看这篇文章的价值不大相比较前面的强调部署，这一篇可能稍微硬核一点点但本人终究不是AI专业，没有过编程经验，这也是我第一次接触到知识图谱相关的应用，只因all in AI的兴趣使然，做一个大胆的尝试。所幸折腾折腾跑通了，所以如果你也没有什么经验，也是可以尝试的如果想体验AI能力，这个项目还是…- 9
- 0
-
RAG做SQL生成处理表格，一个10.1k※的开源工具vanna
我们在日常的工作中除了非结构化数据外，总会有一些表格数据感到很棘手不好拆分，做问答准确率也不高；例外还有一些结构化的数据需要处理，这个时候如果大模型能输出结构化的查询语句，那就很妙了。今天介绍一款在GitHub上面10.1k star的项目，感觉用起来很简单。这个仓库名为Vanna，是一个开源项目，它是一个基于Python的RAG（Retrieval-Augmented Generation，检索…- 11
- 0
-
RAG替代者？深入浅出分析火热的Mem0个性化AI记忆层
最近Mem0横空出世，官方称之为PA的记忆层，The memory layer for Personalized AI，有好事者还称这个是RAG的替代者，Mem0究竟为何物，背后的原理是什么，我们今天来一探究竟。Mem0 介绍开源地址：https://github.com/mem0ai/mem0官方介绍为：Mem0 provides a smart, self-improving memory l…- 4
- 0
-
你应该知道的10个AI术语
自2022年底生成式人工智能进入主流视野以来，大多数人都对这一技术有了一些基本的了解，并知道了它是如何利用自然语言来帮助人们更轻松地与计算机进行交互的，甚至有些人会在与朋友的闲谈中聊到“提示词”（prompts）和“机器学习”（machine learning）等热门术语。然而，随着 AI 技术的不断发展，其词汇量和术语体系也在持续演进。你知道大语言模型与小语言模型之间的区别么？是否知道 Chat…- 6
- 0
-
如何让大模型与企业内部工具交互？ReAct框架
目前大模型已经被广泛使用，并在处理人们的日常任务取得比较好的效果，如回答问题、辅助编写文档等。而大模型的大部分数据来源于互联网，如维基百科、书籍、等内容进行训练而成，面向个人用户。如果将AI引入到工作场景，需要为大模型提供企业内部知识以及将企业内部工具进行交互，才能提升团队生产力及效率。在大模型引入到工作场景时，我们有可能需要需要面临的问题，如获取企业内部数据（大模型训练的数据为公共信知识，未进行…- 8
- 0
-
RAG智能问答评测工具调研
大语言模型在企业内部知识问答中可能会出现幻觉等问题， 检索增强生成（RAG）是减轻大语言模型幻觉的一种有效手段，那如何评估检索增强生成的结果是否准确？ 如何确定RAG产品是否可用，是否有标准可以判断？RAG智能问答系统介绍：如何基于向量数据库+LLM（大语言模型）打造企业专属Chatbot？因此对RAG目前可以使用的评测工具或方法进行调研，从业务角度出发选择合适的评估框架。 &…- 7
- 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：×