微信扫码
与创始人交个朋友
我要投稿
现在,你也有机会手搓一个属于自己的kimi啦!
KIMI走的是检索增强生成路线,简称RAG:Retrieval Augmented Generation,它就是把信息检索与大模型结合,以缓解大模型推理“幻觉”的问题。
RAG的目标是通过知识库增强内容生成的质量,通常做法是将检索出来的文档作为提示词的上下文,一并提供给大模型让其生成更可靠的答案。更进一步地,RAG的整体链路还可以与提示词工程(Prompt Engineering)、模型微调(Fine Tuning)、知识图谱(Knowledge Graph)等技术结合,构成更广义的RAG问答链路。
知识库内容缺失,截断有用文档,上下文整合丢失,有用信息未识别,提示词格式问题,准确性不足,答案不完整
比如,最经典的RAG架构,首先是索引,就是向量嵌入,然后是检索,进行相似查询,最后是生成文档上下文
有兴趣的小伙伴,快去看一下吧!
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-01-04
构建行业RAG应用系统:最佳产品系统架构是这样的
2025-01-04
LightRAG实现原理分析-文档的解析和插入
2025-01-03
面向教育场景的大模型 RAG 检索增强解决方案
2025-01-03
RAG分块策略:主流方法(递归、jina-seg)+前沿推荐(Meta-chunking、Late chunking)
2025-01-03
RAG最佳实践
2025-01-02
权威+AI,百度百科打出王炸
2025-01-02
从企业级 RAG 到 AI Assistant,阿里云 Elasticsearch AI 搜索技术实践
2024-12-31
优化检索增强生成(RAG)管道:实现更智能AI回应的高级技术
2024-07-18
2024-09-04
2024-05-05
2024-06-20
2024-05-19
2024-07-09
2024-07-09
2024-07-07
2024-06-13
2024-07-07
2024-12-30
2024-12-27
2024-12-26
2024-12-24
2024-12-21
2024-12-14
2024-12-01
2024-11-27