-
编辑 删除
高效 Prompt 编写揭秘：引爆生产力的结构化 Prompt 之道
云中江树，是国内最早提出结构化和模板化编写大模型 Prompt 范式的先行者之一。
-
编辑 删除
RAG重磅升级：DSF带来特定领域精准提升的全新方案！
RAG 更适合需要实时查询并利用大量最新数据的情境，而 DSF 则更适合需要高精度和专业知识的特定领域任务。根据具体需求和资源，选择适合的方法来增强LLM的性能将是最有效的策略。
-
编辑 删除
RAG入门秘籍：构建检索增强生成应用程序的终极指南！
RAG（检索增强生成）是一种结合信息检索和生成模型的技术，允许用户将自己的数据与大型语言模型（LLM）结合，使用LLM生成更准确的响应。
-
编辑 删除
解锁AI力量：RAG向量数据库Milvus，专为智能应用而生！
Milvus 是一个专为 AI 应用设计的开源矢量数据库。
-
编辑 删除
重磅开源利器 Denser Retriever：轻松打造顶尖 RAG 应用的终极检索器
Denser Retriever是一个企业级的RAG检索器，将多种搜索技术整合到一个平台中。检索器的性能直接影响到模型生成的回答的准确性和相关性，因此选择合适的检索器至关重要。
-
编辑 删除
RAG技术大突破：大模型如何利用长上下文打造前沿RAGLLMs
100万上下文长文本模型GLM-4-Long来了。这为将 RAG 系统与长上下文 LLMs 的集成提供了一个有前景的方向。
-
编辑 删除
解锁RAG应用：利用FastRAG中的Dense Retrievers优化开放域问答
检索增强生成是一种在自然语言处理领域的前沿技术，结合了信息检索和生成模型的优势。
-
编辑 删除
RAG混合检索：掌握倒数秩融合RRF多维度提升检索结果评分的秘诀
倒数排名融合 (RRF) 是一种算法，可评估多个以前的排名结果中的搜索分数以生成统一的结果集。
-
编辑 删除
RAG 检索大升级：BM25 与 RRF 助力 LLMs 精准破局
BM25（最佳匹配25）和RRF（倒数秩融合）是两种在检索增强生成（RAG）系统中用于改进大型语言模型。
-
编辑 删除
RAG 中的混合搜索：使用组合技术增强信息检索
检索器增强生成（RAG）中的混合搜索结合了不同的搜索技术，以提高从数据库或知识库中检索信息的准确性和效率。
-
编辑 删除
普通人秒变AI专家：李沐创业同款RAG微调实战，打造专属外卖评论大模型
8月14日晚上，李沐发布了一篇关于他创业一年的复盘文章《创业一年，人间三年》，引起了广泛关注。通过大语言模型的微调来进行体验他的过程。
-
编辑 删除
RAG工程必备神器：LlamaIndex全方位入门与应用指南
大型语言模型（LLMs）正在彻底改变人工智能领域。这些模型能够理解和生成类似人类的文本，代表了人工智能技术的重大飞跃。
-
编辑 删除
RAG 聊天机器人：用 Langchain 和 Streamlit开启与 PDF 的智能对话
与大量 PDF 文档的交互如今变得前所未有地便捷与智能。想象一下，您可以轻松与您的笔记、书籍和各种文档进行无缝对话，不再需要繁琐的手动查找和处理。
-
编辑 删除
提示工程颠覆：DSPy 引领全新范式革命
随着传统提示工程的局限性越来越明显，DSPy成为人工智能与人类交互中一种有前途的新范式。
-
编辑 删除
深入RAG优化：BGE词嵌入全解析与Landmark Embedding新突破
Landmark Embedding是一个强大的工具，能够在多种长上下文任务中提供更准确和高效的信息检索。
-
编辑 删除
RAG挑战来袭：长上下文的LLMs会取代RAG系统吗？
既然大型语言模型（LLMs）已经具备处理大量数据的能力，那么为什么还需要构建一个检索增强生成（RAG）系统呢？
-
编辑 删除
提升RAG系统效果：揭秘Rewrite技术及其关键优化策略，提高召回率与精确度
要对问题进行Rewrite，最简单的方法是利用大语言模型，如ChatGPT。通过生成式AI技术，模型可以重新组织和表达问题，从而使其更容易被理解和处理。
-
编辑 删除
RAG最佳实践：用 ElasticSearch 打造AI搜索系统与RAG 应用全流程详解！
前面一篇文章《RAG 向量数据库：掌握 Elasticsearch 作为向量数据库的终极指南》中，介绍了使用E
-
编辑 删除
RAG必备知识：OpenAI官宣结构化输出｜结构化输出工具大汇总
官宣：根据非常普遍的需求，OpenAI的API 中开始支持结构化输出。
-
编辑 删除
RAG必懂知识：什么是向量数据库的距离？一文详解向量距离
向量距离在数学、物理学、工程学和计算机科学等多个领域都至关重要。它们用于测量物理量、分析数据、识别相似性以及确定向量之间的关系。
