Three Kinds of RAG Corpus, and What It Costs to Build for the Wrong One
企业文档智能 [Vol.1 #14A] - 三个问题告诉您文档集合具有哪种形状，每种形状都需要不同的架构《三种 RAG 语料库以及构建错误语料库的成本》一文首先出现在《走向数据科学》上。
语码转换 (CS)，即同一话语中的不同语言，由于 CS 训练数据有限，给自动语音识别 (ASR) 带来了重大挑战。本文首次将迭代伪标记训练方法应用于 CS-ASR，证明了其在利用未标记数据来提高 CS-ASR 性能方面的有效性。该方法包括三个阶段：伪标签生成、两阶段双语模型训练和迭代改进。它首先从大型未标记语料库生成伪标签，创建半监督数据集。这……
Retrieve One Row from a Table, Not the Whole Table: Row-Level Chunks for RAG
企业文档智能 [Vol.1 #7sexies] - 检索单位不一定是页面或段落。当语料库包含表格时，每个正文行及其列标题本身就是一个块，并且通常是读者询问的一行从表中检索一行，而不是整个表：RAG 的行级块首先出现在走向数据科学上。
Geloso on how to think like a good economist
我真的很喜欢文森特·格洛索关于市场流程、市场失灵和政府失灵的幻灯片。在过去的几个月里，克劳德阅读了我为培养“埃里克技能”而写的大约四百万字。我现在可以给它我没有时间阅读的文件，它会告诉我要注意什么。当我给它Geloso的幻灯片时，不是因为我没有时间阅读它，而是因为我真的很喜欢它，它认为与Eric技能不一致的地方是它本身的错误，并帮助进一步完善Eric技能以避免这些错误。基本上 - 更仔细地回顾语料库，找出它认为不一致的部分，并相应地更新技能。无论如何，幻灯片就在这里。阅读 Geloso 的幻灯片后，Eric 技能的主要更新：发生了什么变化：添加了四个内容，全部来自 Eric 自己的语料库，而不
