Guest Post: Retrieval Practice: How to Encourage Long-Term Retention
你正处于学年末，你的学生刚刚参加了一场规模宏大、难以捉摸、令人恐惧的标准化考试。作为一名老师，你知道你尽了一切努力为他们做好准备，你看到他们在这一过程中取得了小小的成功。学生们在章节测试中表现很好，所以他们一定学到了这些内容！然后，你从标准化测试中得到了结果，结果并不是你所期望的。你感到震惊，想知道哪里出了问题。
Building a Retrieval-Augmented Generation (RAG) App
在此示例中，我们将分析一家名为 Allbirds 的公司。我们将把 Allbirds S-1 文档转换为词嵌入
What is Retrieval Augmented Generation (RAG)?
检索增强生成 (RAG) 是 AI 中的一种智能方法，可以提高生成式 AI 和 LLM 模型的准确性和可信度。
Supercharge your LLM via Retrieval Augmented Fine-tuning
了解检索增强微调 (RAFT)，这是一种将检索增强生成 (RAG) 的优势与微调功能相结合的方法。
Advanced Retrieval Techniques in a World of 2M Token Context Windows Part 1
2M Token Context Windows 世界中的高级检索技术，第 1 部分探索 RAG 技术以提高检索准确性 Google DeepMind 启动的可视化 AI 项目。来自 Unsplash 图像。首先，我们还关心 RAG（检索增强生成）吗？Gemini Pro 可以处理惊人的 2M 令牌上下文，而 GPT-3.5 发布时我们惊讶的只有 15k。这是否意味着我们不再关心检索或 RAG 系统？基于 Needle-in-a-Haystack 基准测试，答案是，虽然需求正在减少，尤其是对于 Gemini 模型，但高级检索技术仍可显着提高大多数 LLM 的性能。基准测试结果表明，长上下文模型
Superposition Prompting: Improving and Accelerating Retrieval-Augmented Generation
尽管大型语言模型 (LLM) 取得了成功，但它们表现出明显的缺点，尤其是在处理长上下文时。它们的推理成本与序列长度成二次方关系，这使得在某些现实世界的文本处理应用程序中部署它们的成本很高，例如检索增强生成 (RAG)。此外，LLM 还表现出“分心现象”，提示中不相关的上下文会降低输出质量。为了解决这些缺点，我们提出了一种新颖的 RAG 提示方法，即叠加提示，可以直接应用于……
International ACM Conference on Research and Development in Information Retrieval (SIGIR) 2024
Apple 赞助了国际 ACM 信息检索研究与开发会议 (SIGIR)，该会议将于 7 月 14 日至 18 日在华盛顿特区举行。SIGIR 是一个国际论坛，专注于展示信息检索领域的新研究。以下是 SIGIR 2024 上接受的 Apple 论文。
How Charlotte Pottinger Uses Retrieval Practice and Top Flight Means of Participation to Start Class
在这篇文章中，我将分享一段夏洛特·波廷格在沃尔索尔河小学课堂的视频。我一直期待着分享这段视频，因为它在很多层面上都很可爱。我将其称为检索练习剪辑，因为这是她的主要目的——通过确保...开始她的数学课，这篇文章夏洛特·波廷格如何利用检索练习和顶级参与方式开始上课首先出现在像冠军一样教学上。
Retrieval Practice with First Graders (6-7 years)
有效学习策略的优点在于，只要在需要时以适当的方式进行修改，它们往往对许多不同的人都有效。学习研究中经常出现的一个个体差异是发育年龄或阶段。我们的……
Retrieval Practice in Undergraduate Medical Education
我学到了很多关于医学生使用的工具、语言和策略的知识，以及如何使用有效的策略来调整这些想法。我讨论了我学到的关于研究和高效（而不仅仅是有效）学习的局限性的经验教训。
How Does Retrieval Improve New Learning?
虽然我们在学习科学家这里经常谈论检索练习的好处，但我们通常谈论检索练习对已学信息的好处。然而，检索练习也被证明对学习新信息有益。
Build a Retrieval-Augmented Generation (RAG) system in 4 lines of code
仅用 4 行代码使用 Python 构建 RAG 系统的分步教程。
Questions in Class, Covert Retrieval, and Cold Calling
在之前关于检索练习的博客文章中，Cindy 问道，在课堂上提问就足够了吗？她介绍了 Magdalena Abel 和 Henry Roediger (1) 的一项实验，其中学生在几种不同的条件下学习了斯瓦希里语词汇。在其中一种条件下，学生评分……
When is Retrieval Practice Most Efficient?
我今天正在审查的研究解决了有效性与效率的问题。在本系列研究中，参与者要么接受实验者控制的检索练习，要么接受他们想要的方式，通常是放弃问题。哪一个更好？
When retrieval practice goes wrong (and how to get it right)
每当一种做法成为强制性要求时，它似乎就会发生致命的变异。当我第一次开始写关于检索练习（或我们过去称之为测试效应）的文章时，许多人对试图从记忆中挖掘出一些东西是一种更有效的方法感到惊讶 [...]
S2E13: Sarah Cottingham on Retrieval Practice and Diagnosing Teaching Problems
在这一集中，Sarah Cottingham 讨论了有效的教师专业发展，以及从认知科学中得出的最强大的策略之一：检索练习。首先，什么是检索练习？检索练习是使用练习测试或测验来增强学习。研究一再证明，让学生“检索”或回忆……继续阅读 S2E13：Sarah Cottingham 谈检索实践和诊断教学问题
Venomous bites and stings in rural Tanzania: a retrospective cohort study
坦桑尼亚农村地区的毒咬伤：一项回顾性队列研究摘要背景2018年，世界卫生组织（WHO）呼吁成员国评估动物相关伤害的负担。坦桑尼亚是没有足够数据的国家之一。本研究旨在评估坦桑尼亚农村地区的毒咬伤和蜇伤负担。方法于 2024 年 2 月进行了一项回顾性研究，从一个农村地区的 29 个选定的初级医疗保健 (PHC) 机构收集信息。我们使用检查表从患者记录中检索 2019 年至 2023 年有关有毒咬伤和蜇伤的数据。结果在筛选的 476,928 份患者记录中，有 212 例 (0.04%) 被确定为有毒咬伤和蜇伤病例。大多数病例（n = 72，34%）发生在 25-44 岁的人群中，其中 111 例（
Xya xishangbannaCao, Rong & Naveed, 2020DOI: doi.org/10.3897/zookeys.947.51067 摘要这篇对 Xya Latreille, 1809（直翅目、三趾甲科、三趾科）分类学的贡献增加了两个新物种的描述和摄影插图：Xya xishangbanna sp。十一月和Xya yunnanensis sp。十一月来自中国云南省西双版纳。 Xya 西尚版纳 sp.十一月后股骨发亮，黑褐色，上直肠上部呈浅底，中部“V”形裂纹，两侧平直，即可诊断。云南夏亚种十一月复眼内缘无窄带，外肛侧缘底部有锐角突起，下端狭窄的锚形基部小于上端宽度的1/2
