“大學生GPT、老登Claude、黃毛Gemini”

原標題：RAG 的未來，走向繁榮、重塑還是消亡？
文章來源：AI前線
內容字數：12450字

RAG技術在企業落地的挑戰與創新

本文總結了AICon全球人工智能開發與應用大會2024北京站“RAG在企業落地的難點與創新”專題圓桌交流的精彩觀點，探討了檢索增強生成（RAG）技術在企業應用中的局限性、技術挑戰以及未來發展趨勢。

1. RAG與O1模型的結合

百度研究院商業智能實驗室負責人周景博博士提出，RAG技術對于O1類推理模型的意義何在。百度靈醫大模型底座技術負責人夏源博士認為，O1模型擅長推理，但缺乏真實世界知識，將RAG引入O1模型，能夠補充領域知識，提升其在真實場景中的推理效果，尤其是在醫療、金融等領域。然而，如何有效標注數據，降低人工成本，是目前面臨的主要挑戰。

2. 數據引擎檢索能力的改進

火山引擎技術專家田昕暉指出，當前數據引擎與大模型結合的潛力尚未充分挖掘。他建議進一步探索如何利用“Text to SQL”等技術，更好地利用結構化數據，提升復雜查詢的處理能力。阿里云高級技術專家費躍則從數據引擎用戶的角度，指出當前向量數據庫在索引技術、查詢鏈路優化等方面仍有改進空間，需要更統一的索引協議和更透明的查詢鏈路。

3. 降低大模型幻覺的策略

Hugging Face Machine Learning Engineer尹一峰建議，可以通過多模型比對、優化模型本身、處理輸入輸出等方式來降低大模型幻覺。他將不同的大模型比作不同個性的人，強調根據問題的特點選擇合適的模型。此外，通過機器學習技巧和數據引擎算子，可以提升模型準確度。

4. RAG開源產品的競爭力與商業模式

與會專家對RAG開源產品的競爭力及商業模式進行了探討。阿里云高級技術專家費躍認為，開源產品適合初創公司或快速驗證想法，其商業模式可能包括SaaS服務和與云廠商合作。火山引擎技術專家田昕暉強調，產品的成功取決于其壁壘和生態系統，開源框架在推動和創新方面具有重要作用。Hugging Face Machine Learning Engineer尹一峰則認為，目前RAG開源框架的應用場景較窄，可能難以像Docker那樣廣泛普及。

5. RAG的未來發展趨勢

與會專家普遍認為，RAG技術將與Agent技術結合，形成更綜合的系統。未來，RAG有可能發展成類似數據庫一樣的基礎設施，成為大模型系統中的一個重要模塊。同時，RAG也需要發展出自己的通用范式，形成類似于“Schema”和“Data Model”的概念。

總而言之，RAG技術在提升大語言模型輸出質量方面具有顯著作用，但其在企業落地中仍面臨諸多挑戰。未來，RAG技術的發展方向將是與其他技術融合，形成更強大的AI系統，并最終發展成為的基礎設施。

聯系作者

文章來源：AI前線
作者微信：
作者簡介：面向AI愛好者、開發者和科學家，提供大模型最新資訊、AI技術分享干貨、一線業界實踐案例，助你全面擁抱AIGC。