|
大语言模型的局限性和实际应用面临的问题  RAG指的就是检索相关信息来辅助大模型回答  优化大模型的性能通常可以从提示工程、RAG或者微调入手  RAG对比微调  RAG的应用场景  Naive RAG就是建索引、召回、生成三步走  进阶的做法还会考虑索引优化、召回前后做一些额外处理  模块化RAG考虑了更多更全的模块  三类RAG的对比  做RAG经常考虑的三个问题，召回什么、什么时候召回、如何利用召回的信息   RAG的发展总览 数据索引怎么优化 结构化语料库 对召回的来源进行优化 知识图谱作为召回的数据源 对查询进行优化 对文本嵌入进行优化 对检索的过程进行优化，比如可以迭代召回 还可以把RAG跟微调进行结合 相关研究总结 评价RAG的有效性 一些常用的RAG框架 工业应用 RAG总结 三大趋势
扩展到多模态 生态发展 |
|
|
