AI知识 第6页

简介 数据分块是检索增强生成（RAG）系统中的关键步骤。它将大型文档分解为较小的、可管理的片段，以便高效索引、检索和处理。本 README 提供了 RAG 管道中可用的各种分块方法概述。 https://github.com/adithya-...

今年 AI 领域最大的突破之一应该是在编程领域，像 Cursor、v0 dev 这样的 AI 编程工具，不仅大幅降低了普通人编程的门槛，也让专业程序员的开发效率大幅提升。   但是我们听到的新闻都是不会编程的高中生、...

简介 评估是开发和优化检索增强生成（RAG）系统的关键环节。评估涉及对 RAG 流程各方面的性能、准确性和质量进行衡量，包括从检索效果到生成响应的相关性和真实性。   RAG 评估的重要性 对 RAG 系统进行有效...

摘要 随着大语言模型（LLMs）展现出高度的类人能力，生成类人回复的角色扮演研究领域引起了越来越多的关注。这促进了角色扮演代理在各种应用中的探索，例如可以与用户进行自然对话的聊天机器人，以及能够提供个性...

重排序模型将根据候选文档列表与用户问题语义匹配度进行重新排序，从而改进语义排序的结果。 常用bge-reranker-v2-m3或cohere

教育一直被认为是会被LLM改变最大的行业之一。ChatGPT 的使用场景中，教育占据了很大比重，其用量常随开学和假期规律波动。而 Andrej Karpathy 也选择了教育作为他的创业方向。人们都期待能够有全能的AI Tutor，...

基于句子窗口的检索器 RAG 方法   引言 基于句子窗口的检索器 RAG（Retrieval-Augmented Generation）方法是 RAG 框架的高级实现，旨在增强 AI 生成回复的上下文意识和连贯性。该方法结合了大型语言模型与高...

  引言 基于句窗口的检索增强生成（Retrieval-Augmented Generation，简称 RAG）方法是 RAG 框架的高级实现，旨在增强 AI 生成回答的上下文感知能力和连贯性。该方法结合了大语言模型的强大功能和高效的信息...

简介 自动合并检索器是增强检索生成（RAG）框架的一种高级实现。该方法旨在通过将可能分散且较小的上下文合并成更大且更全面的上下文，从而增强 AI 生成响应的上下文感知能力和连贯性。 https://github.com/adith...

2022 年 OpenAI 发布了 ChatGPT，成为世界上最快突破上亿用户的 APP，那时候人们都认为，我们离真正的人工智能更近了。但是人们很快发现，ChatGPT 可以对话聊天，甚至可以写诗写文章，但在简单的逻辑上依然不尽如...

TOML 是一种简洁明了的配置文件格式📄，设计上更适合人类阅读和书写✨。 ✅ 更容易写： 用键值对表示配置，没有复杂缩进和语法规则，减少出错率。 ✅ 更清晰： 支持分组 [group] 和嵌套结构，层次分明，配置逻辑一目...

介绍 查询转换使用手册展示了在检索增强生成 (RAG) 查询引擎、智能体或其他流程中执行用户查询前进行转换和分解的多种技术。这些转换可以提高 AI 应用中响应的质量和相关性。 https://github.com/adithya-s-k/AI-...

你方唱罢我方登场，自昨日 Anthropic开源的模型上下文协议：Model Context Protocol（MCP） 发布后，根据 Anthropic、Block 和 Apollo 等公司的说法，MCP 已被整合到其系统中，而 Replit、Codeium 和 Sourcegraph...

就像一个聪明但不了解代码最佳实践的孩子。 你需要清楚地告诉 AI 你想要什么： 是 web 应用吗？ 需要什么功能？ 结构是什么？ 等等。 以下是如何让 AI 成为你的全栈开发者的方法：   上下文至关重要！ 你需...

介绍 Thomas 于 2024 年 4 月加入 Vespa 担任高级软件工程师。在他之前作为 AI 顾问的最后一个任务中，他实际上构建了一个基于 Vespa 的大规模 PDF 集合的 RAG 应用。 PDF 在企业世界中无处不在，从中搜索和检索...

介绍 自查询 RAG（Self-Query RAG） 是一种先进的检索增强生成（RAG）方法，它通过在摄取阶段引入元数据提取以及在检索阶段引入智能查询解析，从而增强了传统 RAG 流程。 https://github.com/adithya-s-k/AI-Engi...