Discuz! Board

標題: 让大模型可以根据检索到的内容 [打印本頁]

作者: shafi987@gmail. 時間: 2024-3-20 14:59
標題: 让大模型可以根据检索到的内容
在这种竞争下，不仅提高了各电商平台的运营效率，还促进了电商生态系统的整体发展。总的来看，淘宝、京东、拼多多每个平台都有其独特的竞争优势和战略重点，它们不断地在平台创新、提升体验、优化服务方面进行着调整和改进，以应对快速变化的市场环境和消费者需求。相信未来，随着电商环境的日益变化，这些头部玩家也将在更多的方面进行更深的探索，只是现在这三家平台还将继续在电商的细分领域展开更加激烈的竞争，而最终谁能在这种竞争中持续处于领跑地位，恐怕也只有时间能给出答案。大模型的局限性体现在缺少实时性、

无法获取私有知识等方面，而RAG可以帮助解决私有知识问题，让冰岛手机号码数据私有知识库和AI大模型更好地融合。怎么理解RAG的原理、应用场景和优缺点？一起来看看本文的分享。上文简单介绍了AI大模型非常重要的提示工程，今天我们继续学习检索增强生成（Retrieval-Augmented Generation，RAG）。 RAG可以将私有知识库和AI大模型融合，让大模型“知道”我们的私有知识，变得越来越“懂”我们。一、AI大模型的局限性使用过大模型的小伙伴应该知道，虽然大模型看起来无所不能，但是它也经常胡编乱造，没有足够的确定性，这也限制了大模型在各种场景的落地。

大模型的局限性，可以简单归纳为以下两点：没有实时性：AI大模型的知识不是实时的，最新的GPT- Turbo也只是把知识库更新到年月，所以无从得知该时间之后发生的事情。无法获取私有知识：大模型的训练数据主要来源于互联网，不可能拿到个人或企业的私有数据，所以无法回答私有问题。针对实时性问题，一般通过Actions或Function Calling（函数调用，可以理解为接口回调）等方式，让大模型实时调用搜索、地图、甚至企业自己实现的api，获取各种需要的实时信息，减少幻觉，提升确定性。而RAG可以解决私有知识问题，它通过外挂知识库的方式，，回答私有库的相关问题，也就是所谓的检索增强，目的同样是提升确定性。

歡迎光臨 Discuz! Board (http://20170906.makebbs.com/)