LLM大模型之Rag检索增强生成演变成GraphRAG

文章预览

点击下方 卡片 ，关注“ AI生成未来 ” RefAug：prompt增强训练LLM https://github.com/ytyz1307zzh/RefAug Learn Beyond The Answer: Training Language Models with Reflection for Mathematical Reasoning 论文提出了一种新的训练策略，名为“reflective augmentation”（简称RefAug），旨在通过在数学问题解答训练实例中嵌入问题反思，来培养语言模型（LMs）更深层次的理解能力。这种方法不仅提高了模型在标准单轮问答（QA）设置中的性能，也显著提升了模型在需要反思性思考的更复杂场景中的性能，如处理后续问题、纠正错误或利用外部反馈。 从项目代码中查看训练数据文件为 在答案中增加反思过程，通过训练以引导LLM主动反思，增强推理能力。在推理时，将reflective的部分进行字符串删除即可。 SeaKR：自我感知RAG SeaKR: Self-aware Knowledge Retrieval for Adaptive Retrieval Augmented Generation https://github.com/TH ………………………………