RAG技术性能提升之文档分块策略方案
在人工智能领域，尤其是大型语言模型，LLM，的应用中，检索增强生成，RetrievalAugmentedGeneration，RAG，技术正变得越来越重要，RAG技术通过结合检索和生成能力，为模型提供了丰富的外部知识源，从而生成更准确、更符......
改进RAG管道检索文档质量的五种方法
RAG可以利用外部信息提升大型语言模型的性能，其性能依赖于检索文档的质量，除了标准检索方法之外，还有4种方法可以提高所检索文档的质量，检索增强生成，RAG，是利用外部信息定制大型语言模型的重要技术之一，但是，RAG的性能取决于检索到的文档的......
RAG 的未来
嘿，大家好！这里是一个专注于AI智能体的频道今天给家人们分享一个新RAG技巧，随着LLMs能力的变强，检索整个文档而不是文档块已经逐渐成为RAG的新规范，但是如何从大量文档中找出正确的文档呢，最近akshaypachaar大佬，开源了一个改......
用于复杂RAG任务的先进可控Agent
一种先进的检索增强型生成，RAG，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Agent的&，ldquo，大脑&，rdquo，，能够回答来自私域......
Retrieval让RAG再进化 大幅降低检索失败率 Anthropic提出Contextual
在知识库问答等场景中，RAG已经成为当下最流行的LLM应用范式，为LLM提供又全又准的上下文信息是众多RAG技术努力的方向，在传统的RAG解决方案中，编码信息时往往会丢失上下文，这导致系统无法从知识库中检索到相关信息，如何能够更好地保留上下......
简单提升检索性能的新选择 文档概要索引
今天介绍了一种全新的LlamaIndex数据结构，文档摘要索引，将描述它如何比传统语义搜索提供更好的检索性能，并通过一个示例进行了演示，背景大型语言模型，LLM，的核心用例之一是针对自己的数据进行问答，为此，我们将LLM与&，......
RAG高级优化 基于问题生成的文档检索增强
我们将在本文中介绍一种文本增强技术，该技术利用额外的问题生成来改进矢量数据库中的文档检索，通过生成和合并与每个文本片段相关的问题，增强系统标准检索过程，从而增加了找到相关文档的可能性，这些文档可以用作生成式问答的上下文，实现步骤通过用相关问......
告别传统的文档切块！JinaAI提出Late Chunking技巧
今天给大家分享JinaAI提出的一个新的技巧，正常在处理大规模数据建索引的时候，一般我们需要先对文档进行分块，建立向量索引，而这个分块大小，设置的都是比较短的，比如512，一方面是早期bert的处理长度的限制，另一个方面是如果文本太长，包含......
的最佳实践 Unstructured专家分享RAG应用中文档分块 Chunking
近日，MariaKhalusova在Unstructured官方博客分享了有关分块的最佳实践，Unstructured成立于2022年9月，致力于解决自然语言处理，NLP，和大型语言模型，LLM，应用中的数据预处理问题，公司总部位于美国，专......
提升具有显著不同内容的多个文档复杂查询的检索准确性 一种多头RAG MRAG
现有的RAG方案没有专注于需要检索多个具有显著不同内容的文档的查询，这类查询经常出现，但挑战在于这些文档的嵌入可能在嵌入空间中距离很远，难以全部检索，因此，提出一种多头检索增强生成方法，MRAG，MultiHeadRAG，，它的关键思想是利......