AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：月之暗面對(duì)談 Zilliz：長文本和 RAG 如何選擇？
關(guān)鍵字：模型,騰訊,文本,向量,成本
文章來源：Founder Park
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

關(guān)于長文本和 RAG 到底如何選擇，一直有爭論，從基模公司到應(yīng)用開發(fā)者。
今天這篇文章，是來自基模公司月之暗面和中間層 Zilliz 的技術(shù)對(duì)話，值得一看。
本期討論會(huì)參與者：
陳將老師：Zilliz 生態(tài)和 AI 平臺(tái)負(fù)責(zé)人
唐飛虎老師：月之暗面研發(fā)工程師，開發(fā)者關(guān)系負(fù)責(zé)人
主持人：周默：粉碎機(jī)，前美元對(duì)沖基金投資人，曾在騰訊與微軟從事戰(zhàn)略與投資業(yè)務(wù)01長文本與RAG通用對(duì)比準(zhǔn)確率：通常情況下長文本優(yōu)于RAG
長文本：可更加綜合的去分析所有相關(guān)的內(nèi)容，提取相關(guān)數(shù)字，生成圖表，效果尚可。
RAG：更適合找到一段或者是幾段可能相關(guān)的段落。如果希望大模型能夠?qū)栴}有全局的認(rèn)識(shí)，比較困難。如，根據(jù)上市公司的2020年財(cái)務(wù)報(bào)表，繪制圖表，直接用RAG可能效果就不是很好。
長文本在準(zhǔn)確性上表現(xiàn)好的原因，以及長度與準(zhǔn)確性選擇
長文本處理之后，會(huì)做對(duì)齊和專門的Benchmark測試調(diào)整。比如說之前的大海撈針以及騰訊的數(shù)星星的Benchmark，這些是更難一些要求，不僅要找到相關(guān)的位置，還得把具體的數(shù)字給出來。
現(xiàn)在也出現(xiàn)了一些新的關(guān)于長文本模型的bench mark，比如legal bench，

原文鏈接：月之暗面對(duì)談 Zilliz：長文本和 RAG 如何選擇？

聯(lián)系作者

文章來源：Founder Park
作者微信：
作者簡介：