- 1
- 2
- 3
- 4
- 5
知识库检索增强-RAG核心解析.docx
资料介绍
知识库检索增强（RAG）
一、RAG的核心定义
**检索增强生成（Retrieval-Augmented Generation，简称RAG）**是一种将外部知识库检索与大语言模型生成能力相结合的人工智能架构，核心思路是在大模型生成回答之前，先从外部结构化知识库中检索与用户问题相关的上下文信息，再将检索到的信息和用户问题一并输入给大模型，让大模型基于检索到的可靠信息生成回答，解决原生大模型存在的知识滞后、幻觉问题、私有数据接入难三大痛点。
二、RAG诞生的背景与解决的问题
原生大语言模型（LLM）训练完成后，参数中固化的知识就固定下来，存在三个难以绕过的缺陷：
1. 知识时效性差：模型训练数据只覆盖到训练截止日期，训练之后新产生的知识无法被模型掌握，如果用户询问最新发生的事件、最新出台的政策，模型要么无法回答，要么给出错误信息。
2. 幻觉问题严重：大模型基于概率生成文本，对于自己不熟悉的内容，经常会编造不存在的事实、数据、来源，生成逻辑通顺但完全错误的内容，在医疗、法律、金融等专业领域，幻觉问题会直接导致严重后果，无法落地应用。
3. 私有数据接入成本高：如果要让大模型掌握企业内部的文档、规章制度、业务数据，原生方案是对大模型进行微调，微调需要大量标注数据，成本高、周期长，而且每次更新数据都需要重新微调，对于数据频繁更新的场景完全不适用。
RAG就是为解决上述问题诞生的，它不需要修改大模型的参数，只需要在生成流程中加入检索步骤，就能让大模型灵活调用外部最新的、私有的知识，大幅降低了私有知识接入的成本，同时提升了回答的准确性和可追溯性，是目前大模型落地企业场景最成熟的技术方案。
部分文件列表
| 文件名 | 大小 |
| 知识库检索增强-RAG核心解析.docx | 17K |
最新上传
- 打赏
- 30日榜单
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic下载 打赏310.00元 3天前
用户：江岚
-
21ic下载 打赏310.00元 3天前
用户：mulanhk
-
21ic下载 打赏320.00元 3天前
用户：jh03551
-
21ic下载 打赏220.00元 3天前
用户：jh0355
-
21ic下载 打赏210.00元 3天前
用户：潇潇江南
-
21ic下载 打赏210.00元 3天前
用户：小猫做电路
-
21ic下载 打赏60.00元 3天前
用户：gsy幸运
-
21ic下载 打赏60.00元 3天前
用户：zhengdai
-
21ic下载 打赏60.00元 3天前
用户：lanmukk
-
21ic下载 打赏60.00元 3天前
用户：烟雨
-
21ic下载 打赏20.00元 3天前
用户：w993263495
-
21ic下载 打赏30.00元 3天前
用户：sun2152
-
21ic下载 打赏20.00元 3天前
用户：w178191520
-
21ic下载 打赏20.00元 3天前
用户：liqiang9090
-
21ic下载 打赏20.00元 3天前
用户：xuzhen1
-
21ic下载 打赏35.00元 3天前
用户：有理想666
-
21ic下载 打赏15.00元 3天前
用户：w1966891335
-
21ic下载 打赏15.00元 3天前
用户：x15580286248
-
21ic下载 打赏25.00元 3天前
用户：qiufeng0299
-
21ic下载 打赏15.00元 3天前
用户：kk1957135547
-
21ic下载 打赏10.00元 3天前
用户：qingsong08
-
21ic下载 打赏10.00元 3天前
用户：电工老刘
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
ZENGYIBIN 打赏1.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
资料：STM32的数字万用表
-
21ic小能手 打赏5.00元 3天前
-
kuangwy 打赏1.00元 3天前
-
21ic小能手 打赏5.00元 3天前
资料：触控无极台灯控制方案
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
资料：51单片机的汽车雨刷器
全部评论(0)