一种先进的检索增强型生成()开源解决方案,旨在解决简单的基于语义相似性的检索无法解决的 复杂问题 。
展示了一个复杂的确定性图,作为高度可控的自主的“ 大脑 ”,能够回答来自私域数据的复杂问题。
关键特性
工作流程
通过将命名实体替换为变量来匿名化问题。
为匿名化的问题生成高层次的计划。
去匿名化计划并将其分解为可检索或可回答的任务。
使用案例:哈利·波特书籍分析
该算法使用第一本哈利·波特书籍进行了测试,允许监控模型对检索信息与预训练知识依赖度的对比。这种选择使我们能够验证模型是在使用其预训练的知识,还是严格依赖从向量存储中检索到的信息。
示例问题问:主人公是如何打败反派的助手的?
为了解决这个问题,需要执行以下步骤:
本文转载自
PaperAgent
© 版权声明