详细内容或原文请订阅后点击阅览
使用 Amazon Bedrock 的知识库进行元数据过滤来控制矢量存储的访问
2023 年 11 月，我们宣布 Amazon Bedrock 的知识库已全面上市。知识库允许 Amazon Bedrock 用户通过将公司数据无缝集成到语言模型的生成过程中，充分发挥检索增强生成 (RAG) 的潜力。此功能允许组织利用大型语言模型 (LLM) 的强大功能，同时 […]
来源:亚马逊云科技 _机器学习2023 年 11 月，我们宣布 Amazon Bedrock 的知识库已全面上市。
已宣布 Amazon Bedrock 的知识库知识库允许 Amazon Bedrock 用户通过将公司数据无缝集成到语言模型的生成过程中，充分发挥检索增强生成 (RAG) 的潜力。此功能允许组织利用大型语言模型 (LLM) 的强大功能，同时确保生成的响应符合其特定领域的知识、法规和业务需求。通过整合其独特的数据源（例如内部文档、产品目录或转录媒体），组织可以增强语言模型输出的相关性、准确性和上下文意识。
Amazon Bedrock知识库有效地弥合了基础模型中封装的广泛知识与企业拥有的专业领域特定信息之间的差距，从而实现了真正定制且有价值的生成人工智能 (AI) 体验。
现在，Amazon Bedrock 知识库中提供了元数据过滤功能，您可以定义并使用元数据字段来过滤用于在 RAG 期间检索相关上下文的源数据。例如，如果您的数据包含来自不同产品、部门或时间段的文档，则可以使用元数据过滤将检索限制为给定查询或对话最相关的数据子集。这有助于提高检索到的上下文的相关性和质量，同时减少来自不相关数据的潜在幻觉或噪音。元数据过滤让您可以更好地控制 RAG 流程，从而获得更适合您特定用例需求的结果。
在本文中，我们讨论了如何通过实施访问控制并确保 RAG 应用程序中的数据隐私和安全，在 Amazon Bedrock 知识库中实施元数据过滤。