粤ICP备17114055号
微信扫码
添加专属顾问
支持私有化部署
我要投稿
检索增强生成（Retrieval-Augmented Generation, RAG）旨在通过结合外部庞大且动态的知识库，增强大型语言模型（Large Language Models, LLMs），以生成更可靠和准确的回答。大多数先前的工作集中在使用RAG进行单轮问答上，而对于如何将RAG适应于复杂的对话环境，其中问题与之前的上下文相互依赖，这一问题尚未得到充分研究。
为解决上述问题，提出了一种对话级别的RAG方法（ConvRAG），它结合了细粒度检索增强和自我检查机制，用于对话式问答（Conversational Question Answering, CQA）。具体来说，由三个组件构成，即对话式问题精炼器、细粒度检索器和基于自我检查的响应生成器，这三个组件协同工作，以在对话环境中理解问题并获取相关信息。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-02-01
2024-07-25
2025-01-01
2025-02-04
2024-08-13
2024-04-25
2024-06-13
2024-08-21
2024-09-23
2024-04-26
回到顶部