RAG
关注
分享
扫一扫
文章平均质量分 94
Anooyman
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
Context Engineering survey
上下文工程（Context Engineering）将“上下文”视为由多个信息组件（如系统指令、外部知识、工具定义、持久记忆、动态状态、用户请求等）动态组织和装配的整体。这些组件通过一组函数（如检索、选择、格式化、汇总等）被智能地组合，形成适用于不同任务的最佳上下文。其本质是。原创 2025-09-06 09:27:33 · 756 阅读 · 0 评论 -
RAG 的总结整理
RAG，全称为 Retrieval-Augmented Generation，即检索增强生成。它是一种结合了检索和生成的技术方法，将传统的基于检索的问答系统和基于自然语言生成的技术相结合，提升了 AI 系统在回答自然语言问题时的准确性和可靠性。原创 2024-12-22 11:07:40 · 1236 阅读 · 0 评论 -
SELF-RAG 论文详解
Self-RAG 详解原创 2024-02-25 11:12:47 · 1442 阅读 · 0 评论 -
Active RAG -- FLARE 详解
MCU Active RAG -- FLARE 论文详解原创 2024-01-21 14:53:48 · 1397 阅读 · 0 评论 -
RAG 评估框架 -- ARES
ARES 框架详解原创 2024-01-15 10:30:00 · 1921 阅读 · 0 评论 -
Retrieval-Augmented Generation for Large Language Models: A Survey
在大型语言模型时代，RAG的具体定义是指在回答问题或生成文本时，首先从大量文档中检索相关信息的模型。随后，它利用这些检索到的信息来生成响应或文本，从而提高预测的质量。RAG方法允许开发人员避免为每个特定任务重新训练整个大型模型。原创 2024-01-07 14:52:19 · 3644 阅读 · 0 评论 -
RAG 评估框架 -- RAGAS
RAG 评估框架 -- RAGAS 详解原创 2024-01-14 11:41:04 · 2658 阅读 · 0 评论