应用篇| 深入浅出LLM应用之RAG

文章预览

点击蓝字 关注我们 不迷路 相信很多人都使用过LLM大模型，但是现有大模型或多或少都有以下问题： LLM幻觉问题 ：从《 【小白入门篇1】GPT到底是怎样练成？ 》我们知道虽然大模型现在能力很强,但是本质就是在做文字接龙,而且每次接龙都具有随机性, 导致模型有时候回答, 很容易出现“幻觉”。Meta AI 的研究人员引入了一种叫做 检索增强生成（Retrieval Augmented Generation，RAG） 的方法来完成这类知识密集型的任务。RAG 把一个信息检索组件和文本生成模型结合在一起 , 作为解决大模型幻觉的一种利器。 数据保鲜度 ：除此之外, 现在大模型使用离线数据训练出来,对于新的知识0感知, 导致模型直接回答数据过时、不准等问题。 数据安全性 ：最后也是最重要的是,数据作为很多企业的重要资产,是不能直接上传到互联网上的大模型, 这样会导致不可预测的后 ………………………………