RAG领域信息情报检索---XiaoMi-AI

Nanonets

2024年8月14日 16:00

什么是检索增强生成 (RAG)？

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。

走向数据科学

2024年7月30日 09:50

通过复杂推理提高 RAG 答案质量

Improving RAG Answer Quality Through Complex Reasoning

展示使用 DSPy 和 Indexify 构建多跳检索系统的过程TLDR；在本文中，我们将探索多跳检索以及如何利用它来构建需要复杂推理的 RAG 系统我们将通过使用 Indexify、OpenAI 和 DSPy 在医疗保健领域构建问答聊天机器人来了解该技术。多跳思路链 RAG 如何有效回答复杂问题。简介检索增强生成 (RAG) 系统已成为构建 LLM 驱动应用程序的强大方法。RAG 系统的运行方式是首先使用检索模型从外部知识源检索信息，然后使用此信息提示 LLM 生成响应。但是，基本 RAG 系统（也称为朴素 RAG）在处理需要对多条信息进行推理的复杂查询时可能会面临挑战。这就是多跳检索发挥作

走向数据科学

2024年7月12日 21:00

使用评估来优化 RAG 管道：从分块和嵌入到 LLM

Using Evaluations to Optimize a RAG pipeline: from Chunkings and Embeddings to LLMs

使用 Milvus 矢量数据库的最佳实践 RAG，第 2 部分继续阅读 Towards Data Science »

走向数据科学

2024年7月11日 17:59

扩展您的 RAG：使用 LanceDB 和 Candle 的 Rust 驱动索引管道

Scale Up Your RAG: A Rust-Powered Indexing Pipeline with LanceDB and Candle

为大规模文档处理构建高性能嵌入和索引系统照片由 Marc Sendra Martorell 在 Unsplash 上拍摄1. 简介最近，检索增强生成 (或简称 RAG) 已成为使用大型语言模型构建生成式 AI 应用程序的事实标准。RAG 通过确保生成模型使用适当的上下文来增强文本生成，同时避免了为同一任务微调 LLM 所涉及的时间、成本和复杂性。RAG 还允许更有效地使用外部数据源并更轻松地更新模型的“知识”。尽管基于 RAG 的 AI 应用程序通常可以使用更适中或更小的 LLM，但它们仍然依赖于嵌入和索引所需知识库的强大管道，以及能够有效地检索并将相关上下文注入模型提示。在许多用例中，可以使

亚马逊云科技 _机器学习

2024年7月11日 16:09

使用 Amazon SageMaker 上经过微调的嵌入模型提高 RAG 准确性

Improve RAG accuracy with fine-tuned embedding models on Amazon SageMaker

这篇文章演示了如何使用 Amazon SageMaker 微调 Sentence Transformer 嵌入模型并将其部署到 Amazon SageMaker Endpoint。本文中的代码和更多示例可在 GitHub 存储库中找到。

亚马逊云科技 _机器学习

2024年7月11日 00:49

Amazon Bedrock 的知识库现在支持高级解析、分块和查询重构，从而更好地控制基于 RAG 的应用程序的准确性

Knowledge Bases for Amazon Bedrock now supports advanced parsing, chunking, and query reformulation giving greater control of accuracy in RAG based applications

Amazon Bedrock 的知识库是一项完全托管的服务，可帮助您实施从提取到检索和快速增强的整个检索增强生成 (RAG) 工作流，而无需构建自定义数据源集成和管理数据流，从而突破了您在 RAG 工作流中可以做的事情的界限。然而，它是 [...]

安全实验室新闻频道

2024年7月5日 16:11

从混乱到有序：GraphRAG 改变了人工智能与大数据的工作方式

От хаоса к порядку: GraphRAG преображает работу ИИ с большими данными

图形和 RAG 算法的协调，用于复杂的文本分析。

Unite.AI

2024年7月2日 17:02

从头开始及以后为 RAG 构建 LLM 代理：综合指南

Building LLM Agents for RAG from Scratch and Beyond: A Comprehensive Guide

GPT-3、GPT-4 等 LLM 及其开源对应物通常在检索最新信息时遇到困难，有时会产生幻觉或不正确的信息。检索增强生成 (RAG) 是一种将 LLM 的强大功能与外部知识检索相结合的技术。RAG 使我们能够将 LLM 响应建立在事实、最新信息的基础上，从而显着提高了准确性和可靠性 […] 文章从头开始构建 RAG 的 LLM 代理：综合指南首先出现在 Unite.AI 上。

亚马逊云科技 _机器学习

2024年7月1日 18:38