一文彻底搞懂大模型

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合了消息检索技术与言语生成模型的人工自动技术。 该技术经过从外部常识库中检索关系消息，并将其作为揭示（Prompt）输入给大型言语模型（LLMs） ，以增强模型解决常识密集型义务的才干，如问答、文本摘要、内容生成等。RAG模型由Facebook AI Research（FAIR）团队于2020年终次提出，并迅速成为大模型运行中的抢手打算。

一、检索增强生成（RAG）

什么是？ RAG（Retrieval-Augmented Generation，检索增强生成），RAG 是一种 AI 框架，它将传统消息检索系统（例如数据库）的长处与生成式大言语模型 (LLM) 的配置结合在一同。

LLM经过将这些额外的常识与自己的言语技艺相结合，可以撰写更准确、更具时效性且更贴合详细需求的文字。

什么是RAG？

如何了解RAG？ 经过上一个疑问，咱们知道了什么是RAG？了解到RAG是一种结合了消息检索、文本增强和文本生成的人造言语解决（NLP）的技术。

RAG的目标是经过从外部常识库检索关系消息来辅佐大言语模型生成更准确、更丰盛的文本内容。那咱们如何了解RAG的检索、增强和生成呢？

RAG的“检索、增强、生成”，谁增强了谁，谁生成了答案，主语很关键。是从常识库中检索到的问答对，增强了LLM的揭示词（prompt），LLM拿着增强后的Prompt生成了疑问答案。

如何了解RAG？

如何经常使用RAG？了解了什么是RGA，同步也了解了RAG的检索、增强和生成。那咱们如何经常使用RAG呢？接上去以RAG搭建常识问答系统详细步骤为例，来解说如何经常使用RAG？

大家可以结合自己的业务畛域常识，开局搭建医疗、法律、产品常识问答。先搭建Demo，而后上班中始终完善常识库问答对。

如何经常使用RAG？

二、RAG的原理、流程及架构

RAG上班原理是什么？ 大型言语模型（LLM）面临两个疑问，第一个疑问是LLM会发生幻觉，第二个是LLM的常识终止。

检索增强生成 (RAG) 解脱了常识限度，整合了外部数据，从外部常识库中检索关系消息，增强模型的生成才干。

RAG上班原理是什么？

RAG上班流程是什么？ 经过检索增强技术，将用户查问与索引常识融合，应用大言语模型生成准确回答。

RAG上班流程是什么？

RAG技术架构是什么？RAG技术架构关键由两个外围模块组成，检索模块（Retriever）和生成模块（Generator）。

结合高效的检索模块（Retriever）与弱小的生成模型（Generator），成功基于外部常识增强的人造言语生成才干。

RAG技术架构是什么？

原文链接：​ ​​ ​