-
探索 MemoRAG：下一代检索增强大模型框架的创新与突破
在当今人工智能飞速发展的时代，各种创新的技术不断涌现，为我们的生活和工作带来了巨大的变革。其中，检索增强大模型框架成为了研究的热点领域。今天，我们将深入探讨北京智源人工智能研究院与中国人民大学高瓴人工智能学院联合推出的 MemoRAG，这一具有创新性的下一代检索增强大模型框架，看看它是如何在复杂的信息环境中实现精准信息获取和高效内容生成的。一、MemoRAG 的核心技术模式MemoRAG 提出了一…- 11
- 0
-
检索增强生成 (RAG) 是否会被长上下文 LLMs 杀死？
AI 的创新与领先地位显而易见，没有放缓的迹象。最近，Google 透露了在 Gemini 1.5 大型语言模型（LLM）之后仅仅两个月，这款能够处理高达令人印象深刻的 1000 万个令牌的上下文的最新模型。与此同时，OpenAI 推出了 Sora，这是一个基于文本生成视频的强大模型，以其迷人的视觉效果而闻名。这两项尖端技术的较量引发了对 AI 未来的讨论，尤其是关于检索增强生成 (RAG) 技术…- 12
- 0
-
如何使用多智能体阅读理解系统（MARS）构建企业级AI应用
去年，我撰写了关于高级检索增强生成（RAG）技术在企业中的应用，以及多智能体软件工程（MASE）的兴起。自那时起，作为软件开发中生成AI的两大支柱，这两种技术不断发展，并以一种有望重新定义企业AI应用领域的方式相互交织。AI代理的本质首先，让我们探讨构成AI代理的要素是什么？一些开发者将代理描述为具有推理、行动和记忆能力的自主实体。例如，一个ReACT代理或能够推理和行动的代理。那么，是什么构成了…- 15
- 0
-
RAG实战篇：构建一个最小可行性的Rag系统
前言在《AI大模型实战篇》系列文章中，风叔通过八篇文章，从最经典的ReAct模式开始，沿着规划路线介绍了REWOO、Plan&Execute和LLM Compiler，沿着反思路线介绍了Basic Reflection、Self Discover和Reflexion，并以最强大的设计模式LATS作为收尾。但是，所有的这些设计模式，都只是在告诉AI Agent应该如何规划和思考，且只能依赖于…- 10
- 0
-
Claude 的上下文检索功能提升了 RAG 准确率，这会是人工智能革命？
前言在人工智能领域不断进步的过程中，人们对更准确且具备上下文理解能力的响应的追求，催生了诸多突破性创新。而 Claude 的上下文检索技术就是其中一项进步，有望显著提升检索增强生成 (RAG) 系统的表现。可能有同学就要问了：上下文检索技术是什么？大白话来说，就是现在的AI越来越聪明了，尤其是在回答问题的时候，它可以更好地理解和利用上下文，而不仅仅是“查”到一些零碎的信息。而本篇文章将讲解 Cla…- 15
- 0
-
斯坦福团队研究：AI生成的科研想法比人类专家更有创意，但无法替代人类
对于大语言模型（Large Language Model，LLM）而言，提出新的想法并不难，真正难的是，提出那些新颖且有价值的想法。如同 Wolfram 所说：“实际上，做出原创性的工作是非常简单的，你只需选择一堆随机数。那些随机数序列非常出人意料、有创意、也很有独创性，但这对我们来说，并没有太大意义，我们真正感兴趣的是那些有原创性而‘有趣’的东西。”毕竟，让用户吃胶水和石头的想法不也是很新颖的吗…- 7
- 0
-
多智能体笔记本专家系统：集成CrewAI、Ollama和自定义Text-to-SQL工具
在这个项目中，我们的目标是创建一个由多智能体架构和本地大语言模型（LLM）驱动的个人笔记本电脑专家系统。该系统将使用一个SQL数据库，包含有关笔记本电脑的全面信息，包括价格、重量和规格。用户可以根据自己的特定需求向系统提问，获取推荐建议。由LLM驱动的多智能体系统旨在自主或半自主地处理复杂问题，这些问题可能对单次LLM响应来说具有挑战性。在我们的案例中，这些系统特别适用于数据库搜索、跨品牌比较笔记…- 12
- 0
-
Speculative RAG：采用投机生成多个草稿方式来增强RAG任务
本次介绍一篇来自Google的paper：<Speculative RAG: Enhancing Retrieval Augmented Generation through Drafting>，提出一个Speculative RAG方法，其核心思路是采用投机生成多个草稿方式来增强RAG任务。对比其他RAG框架，其流程图如下：核心思路：1）先用比较小的模型作为the RAG draft…- 8
- 0
-
Salesforce AI Research 推出新一代 RAG 模型：SFR-RAG
在人工智能领域，生成式 AI 持续受到关注，特别是在检索增强生成（Retrieval Augmented Generation，简称 RAG）方面。Salesforce AI Research 最近发布了他们的最新研究成果——SFR-RAG，这是一个90亿参数的语言模型，专门针对现实世界中的 RAG 应用和相关任务进行了优化。什么是 RAG？RAG 是一种结合了检索和生成的技术，通常应用于问答系统…- 2
- 0
-
MemoRAG：通过受记忆启发的知识发现迈向下一代RAG
今天分享的是一篇由北京人工智能研究院与中国人民大学高瓴人工智能学院联合发布的文章：MEMORAG: MOVING TOWARDS NEXT-GEN RAG VIA MEMORY-INSPIRED KNOWLEDGE DISCOVERYMemoRAG：通过受记忆启发的知识发现迈向下一代RAG论文链接: https://arxiv.org/abs/2409.05591代码地址：https://gith…- 3
- 0
-
大模型检索增强(RAG)技术之——GraphRAG，知识库产品必不可少的技术
“ RAG技术的重难点，是怎么更高效和更准确的检索数据 ”知识库技术作为大模型技术的一个重要应用方向，也是对大模型技术的一个重要补充；特别是在问答系统，如智能客服等领域，知识库有着非同一般的作用。从技术的角度来说，一个智能客服的好坏，除了大模型本身的质量之外，更多的是由知识库决定的。因此，知识库的作用不言而喻，而怎么才能做出一个合格的知识库，需要使用哪些技术。…- 6
- 0
-
重磅开源Denser Retriever：轻松构建企业级RAG应用和聊天机器人（内附机器人构建指引）
重磅开源Denser Retriever：轻松构建企业级RAG应用和聊天机器人（内附机器人构建指引）一、什么是检索增强生成？检索增强生成RAG是人工智能中的一种先进技术，它通过将外部知识源整合到大型语言模型 (LLM) 的生成过程中来提高其能力。与仅基于预先训练的知识生成响应的传统 LLM 不同，RAG 从外部数据库或文档中检索相关信息，并使用这些信息生成更准确、更符合上下文的响应。这种方法可确保…- 6
- 0
-
Agent工作流记忆 – 让AI助手更聪明地完成复杂任务
今天我要跟大家分享一篇很有意思的论文,题目是《Agent Workflow Memory》,也就是"Agent工作流记忆"。这篇论文提出了一种新方法,让AI助手(我们称之为Agent)能更好地完成复杂的网页任务。背景:AI助手的挑战首先,我们来聊聊这个研究的背景。现在的AI技术已经非常强大了,特别是像GPT这样的大语言模型(LLM),它们可以进行对话、回答问题,甚至可以帮我们完…- 5
- 0
-
RAG高级优化：检索策略探讨Fusion, HyDE安排上(含代码)
传统的检索方法通常依赖于对query进行语义理解(基于向量)或关键字匹配(BM25)，这两种方法都有其优点和缺点。融合检索、HyDE和RAG-Fusion可以创建一个更健壮和准确的检索系统。本文将介绍三种优化方法：Fusion retrieval：基于向量和基于bm25的检索HyDE(假设文档嵌入)：通过根据查询生成和嵌入假设文档来增强检索。RAG-Fus…- 5
- 0
-
类海马体的RAG检索策略
今天分享的是来自俄亥俄州立大学的一篇文章 HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models，受神经生物学启发的大语言模型的长期记忆策略。文章链接：https://arxiv.org/pdf/2405.14831代码链接：https://github.com/OSU-NLP-Group/Hi…- 7
- 0
-
深入解析LlamaIndex Workflows：构建复杂RAG与智能体工作流的新利器【上篇】
面对多样的LLM应用需求，不管是主流如LangChain这样的基础开发框架，还是以云服务提供的低代码开发平台，都试图在提供基础组件抽象的基础上，提供更便捷的组装与编排这些组件的方式，以帮助构建更高级的AI工作流应用。比如年初发布的LangChain新版本中就引入了LangGraph，以帮助构建Graph表示的AI工作流。（彻底搞懂LangGraph：构建强大的Multi-Agent多智能体应用的L…- 2
- 0
-
『深度长文』Anthropic推出全新“上下文检索”：大幅增加RAG检索准确性！
在很多特定使用场景中，AI模型如果想真正发挥作用，通常需要具备相应的背景知识。举个例子，提供客户支持的聊天机器人需要了解它所服务的具体业务，而法律分析类的AI机器人则必须熟悉大量的历史案件。为了提升AI模型的背景知识，开发者们通常采用一种叫做检索增强生成（RAG）的方法。简单来说，RAG会从知识库中检索相关信息，并将其附加到用户的输入提示中，从而大幅增强模型的回答能力。然而，传统的RAG方案在编码…- 8
- 0
-
RAG 噪声在大型语言模型中作用的综合分析
先前对大型语言模型（ LLMs ）中的检索增强生成（RAG）的研究集中于增强检索模型以改进生成任务的文档选择。最初的研究确立了将外部信息集成到LLMs中的好处，但最近对噪声环境的扩展通常集中在有限范围的噪声类型上，通常假设噪声会对模型性能产生负面影响。这些研究缺乏全面的分类系统，限制了其研究结果的实际适用性。 &nb…- 7
- 0
-
人工智能中的RAG、Agent与Agentic RAG
人工智能技术的迅猛发展正催生着各行业的变革与创新浪潮。在此背景下，检索增强生成（RAG）、人工智能代理（Agent），以及两者结合形成的新理念Agentic RAG成为了关注的热点。本文将详细探讨这三项技术的概念、原理、架构、应用场景、优势与挑战，以及未来的发展趋势。检索增强生成（RAG） RAG是一种融…- 8
- 0
-
RAG实战 | 基于LlamaIndex的文档问答系统
依赖安装pip3 install llama-index EbookLib html2text llama-index-embeddings-huggingface llama-index-llms-ollama -i https://mirrors.cloud.tencent.com/pypi/simpl…- 13
- 0
-
提升RAG系统的回答质量：PDF解析代码详解-PdfParser核心流程
在上一篇文章中，我们探讨了如何通过计算机视觉大模型提升RAG系统解析PDF文档的能力，并展示了该技术在行业文档识别中的实际应用效果。文章发布后，受到了广泛关注。读者主要关心两个问题：其一，如何在PDF文档识别过程中编排模型，并且识别出的数据具体是什么样的；其二，行业模型如何进行微调以适应特定需求。在这篇文章中，我们将讲解如何构建一个功能强大的PDF解析器，逐步拆解解析流程，并对关键方法的核心技术进…- 6
- 0
-
一文通俗讲透 RAG 背后的逻辑，让 AI 回答更精准！
你是否曾对 AI 给出的答案产生过怀疑？RAG 可能就是解决这个问题的关键。RAG ，对于技术人员肯定已经不陌生，但是对于普通人来说可能还是个模糊的词汇。关于 RAG，在我们使用 AI 的过程中随处可见。不管我们在 Kimi、ChatGPT、Claude 提供文件或网页来提问，还是使用 Coze、Dify 这类平台构建 AI 客服、法律助手、或者其他利用知识库的智能体，本质上都涉及到 RAG 技术…- 8
- 0
-
RAG检索失败率降低49%？Anthropic-Contextual-RAG方案解析-兼看老刘的课堂三部曲
今天是2024年9月21日，星期六，北京，天气晴。我们里看两件事，一个是关于Anthropic发布的RAG检索方案Contextual Retrieval embeddings + contextual BM25，PR稿件传言检索失败率降低49%，我们看下它到底怎么回事儿，并看下实际落地可能性。另一个事是关于老刘课堂的一个总结。最近琢磨了件事儿，就是如何以一种更有效的方式来进一步挖掘现有社区已有积…- 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：×