-
稳！Zilliz助力XTransfer基于RAG打造B2B外贸金融加速器
中小微企业是保持国民经济平稳快速发展的重要力量。根据联合国数据，中小微企业在全球企业总数中占比超过90%，为全球经济贡献了超过50%的GDP。XTransfer致力于为跨境贸易企业提供安全、高效、低成本的跨境支付及金融解决方案，让全球中小微企业惠享金融服务。作为一站式外贸企业跨境金融和风控服务公司，XTransfer成立于2017年，深耕行业，以大数据驱动，通过人工智能等技术，服务覆盖全球200+…- 6
- 0
-
如何平衡向量检索速度和精度？深度解读HNSW算法
向量检索（向量相似性搜索）是AI时代最重要的技术之一。其典型应用场景包括：推荐系统、检索增强生成（RAG）等高级GenAI应用。向量检索最突出的优势是准确性和速度。过去，向量搜索通常是用暴力扫描的方式来找到和查询向量最近的K个邻居（kNN）。它的核心思想是比对查询向量和库内所有向量的距离，简单直观但计算量大。也就是说，如果内存中有100个文档，kNN算法将计算查询向量与100个文档向量的相似度或距…- 14
- 0
-
为什么分块在RAG技术中很重要？但又很没有存在感？
“ RAG技术是一项系统化的工程，由多个重要环节组成，而不是单一的技术实体 ”RAG技术作为目前大模型应用比较火的一个领域，怎么做好一个RAG系统一直是很多人和企业都在思考的一个问题；但RAG并不是一个独立的技术，而是一个技术的集合体，涉及到多个不同的技术；比如说向量数据库，embedding，语义分析，搜索技术等等。而在RAG技术中有一个不被大家所重视的一点就是——分块(ch…- 5
- 0
-
揭开RAG系统的评估面纱：4 大指标助你提升输出质量
之前笔者已经介绍了如何通过 Chunking 和 Embedding 来优化 RAG 系统。今天我们来聊聊评估 RAG 系统性能的指标体系。我们的重点会放在评估大模型的输出的指标上。在优化基于检索增强生成（Retrieval-Augmented Generation, RAG）的系统时，明确性能评估方法是关键的一步。本篇文章将围绕 RAG 系统的评估指标展开，重点探讨如何通过科学评估优化系统性能。…- 7
- 0
-
[RAG] FastRAG：半结构化数据的检索增强生成
本文介绍了FastRAG，一种针对半结构化数据的新型RAG方法。FastRAG采用模式学习和脚本学习来提取和结构化数据，而无需将整个数据源提交给LLM。它将文本搜索与知识图谱（KG）查询相结合，以提高在问答任务中检索上下文丰富信息的准确性。从评估结果来看，FastRAG在提供准确问答的同时，与GraphRAG相比，时间上提高了90%，成本上提高了85%。FastRAG提出的背景和动机FastRAG…- 7
- 0
-
GraphRAG全局问答工程化实践
GraphRAG作为一种结构化和层次化的增强检索生成方法，正逐步展现出其在全局问答工程化实践中的巨大潜力。本文深入探讨了GraphRAG的核心理念和相关技术，并对GraphRAG落地过程中的实践经验进行了总结，期望能为关注全局问答效果的学者与从业者提供一定参考。GraphRAG全局问答工程化实践亚信科技（中国）有限公司摘要：本文对 GraphRAG 落地过程中的挑战展开深入剖析，并针对…- 8
- 0
-
Graph RAG 优化实践
摘要：随着大型语言模型（LLMs）在自然语言处理和自然语言生成领域的广泛应用，检索增强生成（RAG）技术已成为一种高效的方法，它能够从外部知识库中检索相关信息，以精确回应用户的问题。但是，在面对用户提出的全局性问题时，RAG的表现往往难以满足预期，微软公司提出了一种创新的RAG方法——“Graph RAG”，该方法通过利用LLMs构建知识图谱，并生成全局性的社区摘要，以助力解答用户的全局性问题。然…- 5
- 0
-
傻傻分不清？一文彻底说清Agentic RAG的前世今生！
生成式AI的发展日新月异，一不小心你就会淹没在新的概念中。RAG（检索增强生成）、Agent（智能体）作为主流的大语言模型（LLM）应用形式已经广为人知。这不还经常听到一个词：Agentic RAG，前两天还有人问小编它到底是RAG还是Agent？今天我们就来彻底说清楚Agentic RAG。01为什么需要Agentic RAG？首先，RAG是什么？RAG是用检索到的外部知识来对LLM进行能力增强…- 7
- 0
-
卷起来了！长文本向量模型分块策略大比拼
长文本向量模型能够将十页长的文本编码为单个向量，听起来很强大，但真的实用吗？很多人觉得... 未必。直接用行不行？该不该分块？怎么分才最高效？本文将带你深入探讨长文本向量模型的不同分块策略，分析利弊，帮你避坑。长文本向量化的问题首先，让我们看看将整篇文章压缩成单一向量会存在哪些问题。以构建文档搜索系统为例，单篇文章可能包含多个主题。 比如这篇关于 ICML 2024 参会报告的博客，就包含会议介绍…- 1
- 0
-
ERRR：基于参数知识的查询优化框架，增强RAG系统的准确性
今天分享的是解决检索增强生成系统中预检索信息差距的一个方法：ERRR。论文链接: https://arxiv.org/pdf/2411.07820v101简介随着大型语言模型（LLM）在自然语言处理领域的广泛应用，检索增强生成（RAG）技术被提出，以解决LLM知识局限性导致的“幻觉”问题。RAG系统通过检索外部知识库来增强LLM的知识，从而生成更准确、更相关的答案。然而，现有的RAG系统存在一个关…- 3
- 0
-
RAG检索增强生成和大模型微调的抉择
“ RAG和微调即相似，又不完全相同，它们在能力上是互补的。”很多人会奇怪RAG和微调有什么关系，而对RAG和微调了解的人应该都明白为什么会把RAG和微调放在一块讨论。有些人说有了RAG就不需要微调，而另一些人说有了微调就不需要RAG，这到底是怎么回事？RAG和微调之间到底存在什么样的恩恩怨怨？RAG与微调作者在第一次看到RAG和微调的标题时，也是一脸懵逼；RAG和微调有什么关系，它们完…- 2
- 0
-
孙悟空 + 红楼梦 – 西游记 = ？一文搞懂什么是向量嵌入
一起来开个脑洞，如果孙悟空穿越到红楼梦的世界，他会成为谁？贾宝玉，林黛玉，还是薛宝钗？这看似一道文学题，但是我们不妨用数学方法来求解：孙悟空 + 红楼梦 - 西游记 = ？文字也能做运算？当然不行，但是把文字转换成数字之后，就可以用来计算了。而这个过程，叫做 “向量嵌入”。为什么要做向量嵌入？因为具有语义意义的数据，比如文本或者图像，人可以分辨相关程度，但是无法量化，更不能计算。比如，对于一组词“…- 3
- 0
-
外行如何速成专家？Embedding之BM25、splade稀疏向量解读
在 《孙悟空 + 红楼梦 - 西游记 = ？一文搞懂什么是向量嵌入》这篇文章中，我们已经知道了文本怎么变成稠密向量，并且还能够表达文本的语义。但是，对于嵌入模型的“专业领域”外的文本，它的效果不尽如人意。打个比方，假设你身体不舒服去看医生，医生完全理解你的描述，他会判断病因然后做出诊断。但是，如果你问医生“人工智能如何影响汽车行业？”，医生大概会觉得你不仅身体不舒服，脑子也需要治一治。医生不懂这方…- 5
- 0
-
企业RAG构建中，如何使用VTS进行数据迁移
1引言VTS（Vector Transport Service），全称向量传输服务，是一个由Zilliz开发的专注于向量和非结构化数据迁移的开源工具。VTS的核心特点在于其基于Apache SeaTunnel开发，这一事实使其在数据处理和迁移方面具有显著的优势。Apache SeaTunnel作为一个分布式数据集成平台，以其丰富的连接器系统和多引擎支持而闻名，VTS正是在此基础上，进一步扩展了其在…- 5
- 0
-
技术分享｜如何快速领域增强 RAG 的 Embedding 模型
1. 研究背景1.1 Embedding 模型在 RAG 中的重要性检索增强技术（RAG）提供了一种高效地更新领域知识，并且缓解模型幻觉问题的方法。在通常的 RAG 流程中，首先以向量数据库、索引库的形式存储领域知识；在用户提问时，在向量库和索引库中匹配与用户问题相关性最高的知识片段；最后，大模型根据用户问题和检索得到的知识片段，推理归纳并给出回答。在 RAG 方法中，检索到正确的知识片段是最终能…- 7
- 0
-
怎么解决大模型知识库的检索问题，RAG检索增强之——ReRank(重新排序)
“ 面临日益增长的海量数据，怎么高效和准确的检索数据一直是一个值得思考的问题 ”对大模型应用有所了解的人应该都知道RAG技术——检索增强，本公众号前前后后也写过好几次关于RAG的文章；但在实际的企业应用中，RAG还是面临着各种各样的问题，比如效率问题，准确度问题等等。这些问题虽然在一些应用场景中并没有什么影响，但在某些场景中却是不可接受的；因此就有很多人想方设法的优化RAG技术…- 1
- 0
-
企业级 RAG 全链路优化关键技术
首先在效果层面，离线链路里第一个优化点就是文档解析。文档有很多格式，比如说 PDF、Word 、PPT,等等，还有一些结构化数据。然而最大的难点还是一些非结构化的文档，因为里面会有不同的内容。比如说像表格、图片，这些内容 AI 其实是很难理解的。在通过长期大量的优化以后，我们在搜索开放平台里面提供了文档解析服务，支持各种各样常见的文档格式和内容的解析。2. RAG 优化效果—文本切片文档解析完，从…- 1
- 0
-
面向金融场景的大模型 RAG 检索增强解决方案
01概述在现代信息检索领域，检索增强生成（Retrieval-Augmented Generation, RAG）模型结合了信息检索与生成式人工智能的优点，从而在特定场景下提供更为精准和相关的答案。在特定场景下，例如金融等领域，用户通常需要精确且相关的信息来支持决策。传统生成模型虽然在自然语言理解和生成方面表现良好，但在专业知识的准确性上可能有所不足。RAG 模型通过将检索与生成相结合，能有效提升…- 7
- 0
-
RAG综述：探索检索增强生成技术的多样性与代码实践
当前LLM受限于其训练时所用的固定数据集，难以处理私有或最新的信息，且可能存在“幻觉”现象，即提供错误但看似合理的答案。为了解决这些问题，检索增强型生成（Retrieval-Augmented Generation，简称RAG）框架应运而生。RAG（微软最新研究：RAG（Retrieval-Augmented Generation）的四个级别深度解析）通过引入外部文档，利用上下文学习提升LLM的响…- 7
- 0
-
打造自己的RAG解析大模型：金融、财务、保险都需要的表格识别，只需看这一篇
金融、财务和保险等行业中的RAG应用系统，针对PDF和图片中的表格进行识别，具有非常重要的实际意义。在这些业务场景中，表格数据通常包含大量结构化信息，例如财务报表、资产负债表、保险理赔单、投资组合明细、信贷记录等。这些表格承载着企业运营、风险评估和决策制定等核心数据，因此对其进行准确、高效的识别和抽取至关重要。通过将这些表格信息转化为结构化数据并存储到向量数据库中，RAG系统能够快速地检索和分析这…- 6
- 0
-
1分钟搭建一个代码知识库，腾讯这款工具强的可怕
前几天，我有事，就回到之前跟朋友一起合伙的软件公司，我朋友说，你好久没来了，既然来了，就给大家说一说 AI 编程吧，现在公司员工有用 AI 编程助手的，也有没用的，而且用的都比较杂七杂八的，不系统，用哪家的都有。我朋友也知道我这两年在研究 AI 的各种应用场景和玩法。对国内 AI 编程比较熟悉，想让我推荐一款适合企业使用的 AI 编程助手，他同时说：有没有这样的 AI 编程助手或者平台，公司常见的…- 5
- 0
-
MedGraphRAG最新版：探索医学大模型领域的未来新革命 – 牛津&CMU
摘要GraphRAG(GraphRAG：设计模式，挑战和落地指南)代表了一组新兴的技术，这些技术将知识图谱与大型语言模型合并，以增强检索增强生成。然而，缺乏标准化导致了各种各样的实现，每种实施都有其独特的优势和挑战。在 贝莱德&英伟达 - HybridRAG：整合GraphRAG和VectorRAG以实现金融信息高效提取 中，探讨了 Nvidia 和 Blackrock…- 6
- 0
-
“白菜价”的GraphRAG来了，成本降低1000倍！
GraphRAG：AI降本1000倍今年7月，微软首次开源了庞大的知识索引框架GraphRAG，在短短四个月内，它便在GitHub上获得了超过19,000颗星，迅速成为RAG（图谱增强生成）技术领域的热门框架之一。尽管GraphRAG在许多场景中表现出色，但在处理全局数据查询时，其成本问题一直受到诟病，尤其是在大规模AI模型中，查询的延迟和准确性也成为了瓶颈。为了解决这些问题，微软研究院在近日推出…- 8
- 0
-
AGI：呼唤更好的检索技术，而非仅仅依赖于LLMs
Artificial General Intelligence（AGI，通用人工智能）代表了技术发展的至高境界。这一概念设想了一种能够像人类一样快速学习新信息、灵活适应各种任务的人工智能。尽管大型语言模型（Large Language Models，LLMs）已在众多科学、技术、工程和数学（STEM）领域中取得了令人瞩目的成绩(LLM的擅长与不擅长：深入剖析大语言模型的能力边界)，但真正的AGI仍…- 6
- 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：×