关键词: GraphRAG,AI,RAG,图谱知识库

更好的效果，更低的价格，听起来是不是像梦呓？

关键词: AI,知识库,RAG,人工智能

上篇已经详细介绍了AI使用知识库进行时到底发生了什么

关键词: AI,知识库,RAG,人工智能

在把AI大模型能力接入微信后，发现很多朋友想要落地在类似客服的应用场景。但目前大模型存在幻觉，一不留神就胡乱回答，这在严肃的商用场景下是不可接受的。

关键词: RAG,AI,Denser Retriever,DenserRetriever

当前流行的基于嵌入检索的RAG（Retrieval-Augmented Generation）技术由Meta在2020年首次提出，最初应用于开放领域的抽取式问答。

关键词: RAG,AI,RAGChecker,RAG诊断工具,检索增强

检索增强生成（Retrieval-Augmented Generation, RAG）技术正在彻底革新 AI 应用领域，通过将外部知识库和 LLM 内部知识的无缝整合，大幅提升了 AI 系统的准确性和可靠性。然而，随着 RAG 系统在各行各业的广泛部署，其评估和优化面临着重大挑战

关键词: 月之暗面,Zilliz,RAG,模型训练

关于长文本和 RAG 到底如何选择，一直有争论，从基模公司到应用开发者。 今天这篇文章，是来自基模公司月之暗面和中间层 Zilliz 的技术对话，值得一看。

关键词: 模型训练,AI,延迟交互模型,RAG

在 RAG 系统开发中，良好的 Reranker 模型处于必不可少的环节，也总是被拿来放到各类评测当中，这是因为以向量搜索为代表的查询，会面临命中率低的问题，因此需要高级的 Reranker 模型来补救，这样就构成了以向量搜索为粗筛，以 Reranker 模型作精排的两阶段排序架构。

关键词: RAG,高效应用指南,05：再谈文档智能解析

在这篇文章中，笔者将讨论以下几个问题： • 什么是文档智能解析 • 文档智能解析有哪些方法 • 文档智能解析的开源实现

关键词: 语义路由,AI,RAG,搜索增强,LLM,模型训练

在这篇文章中，笔者将讨论以下几个问题： • 什么是语义路由 • RAG 路由的不同场景

关键词: AI,RAG,搜索增强,LLM,Query,模型训练

在这篇文章中，笔者将讨论以下几个问题： • 为什么要进行 query 理解 • query 理解有哪些技术（从 RAG 角度） • 各种 query 理解技术的实现（基于 LangChain）