AIGC動態(tài)歡迎閱讀

原標(biāo)題：用檢索增強生成讓大模型更強大，這里有個手把手的Python實現(xiàn)

關(guān)鍵字：向量,上下文,知識,文本,數(shù)據(jù)庫

文章來源：機器之心

內(nèi)容字?jǐn)?shù)：9116字

內(nèi)容摘要：選自towardsdatascience作者：Leonie Monigatti機器之心編譯編輯：Panda自從人們認(rèn)識到可以使用自己專有的數(shù)據(jù)讓大型語言模型（LLM）更加強大，人們就一直在討論如何有效地將 LLM 的一般性知識與專有數(shù)據(jù)整合起來。對此人們也一直在爭論：微調(diào)和檢索增強生成（RAG）哪個更合適？本文首先將關(guān)注 RAG 的概念和理論。然后將展示可以如何使用用于編排（orchestration）的 LangChain、OpenAI 語言模型和 Weaviate 向量數(shù)據(jù)庫來實現(xiàn)一個簡單的 RAG。檢索增強生成是什么？檢索增強生成（RAG）這一概念是指通過外部知識源來為 LLM 提供附加的信息。這讓 LLM 可以生成更準(zhǔn)確和更符合上下文的答案，同時減少幻覺。問題當(dāng)前最佳的 LLM 都是使用大量數(shù)據(jù)訓(xùn)練出來的，因此其神經(jīng)網(wǎng)絡(luò)權(quán)重中存儲了大量一般性知識（參數(shù)記憶）。但是，如果在通過 pr…

原文鏈接：點此閱讀原文：用檢索增強生成讓大模型更強大，這里有個手把手的Python實現(xiàn)

聯(lián)系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺