大模型检索增强生成（RAG）有哪些好用的技巧？

​ 如何将大型语言模型（LLMs）应用于需要复杂数据分析的决策制定问题？定义了一种新的任务类型，称为决策问答（Decision QA），它要求模型回答给定的决策问题、业务规则和数据库的最佳决策。决策QA示例。一个红点代表一个交易节点。在Deccan框中的盈利表示每个决策可能带来的盈利变化。请注意，潜在的盈利变化不在数据库中，应该从数据库中计算得出。每个国家只有一个主要的（家庭）交易节点。在表格中，下划线列名表示表格的键。为了有效解决决策问答任务，提出了一种新的基于迭代计划然后检索增强生成（PlanRAG）的技术： PlanRAG技术：它通过两个主要的推理类型来回答问题：首先是制定计划，其次是基于检索结果的推理。PlanRAG技术的核心在于，它使用单个语言模型来执行这两种类型的推理，以减少使用不同语言模型可能带来的副作用 ………………………………