RAG 切片利器 LumberChunker 是如何智能地把文档切割成 LLM 爱吃的块
丹尼尔：蛋兄，问个问题呗。RAG 里的文档应该怎么切割比较好呢？按固定的字符数或词数？按句？按段落？加个重叠窗口？感觉这些都太简单粗暴，容易把相关的内容给拆散了 蛋先生：恩，你说得对。这些方法一刀切，确实没办法考虑上下文的语义关系。现在大模型越来越强大，完全可以借助它们的能力，比如 LumberChunker 丹尼尔：LumberChunker？ ...
使用DeepSeek-R1模型搭建RAG系统
DeepSeek-R1系列模型是一款专注于复杂推理任务的大语言模型，在复杂指令理解、推理结果准确性、性能稳定性等方面相比其他大语言模型，有一定优势。OpenSearch LLM智能问答版已集成DeepSeek-R1系列模型，进一步提升企业级RAG效果，本文向您介绍使用步骤。
Agentic Reasoning：推理界RAG诞生！牛津大学框架让LLM学会『组队打怪』：动态调用搜索/代码代理，复杂任务准确率飙升50%
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！ AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 ⚙️ “LLM推理进入模块化时代！深度解读牛津大学Agentic Reasoning框架设计哲学” 大家好，我是...
RAG没有银弹！四级难度，最新综述覆盖数据集、解决方案，教你LLM+外部数据的正确使用姿势
在人工智能领域，大型语言模型（LLM）与外部数据的结合展现出了惊人的能力，能够高效完成各类实际任务。其中，检索增强生成（RAG）和微调等技术备受关注，应用范围日益广泛。然而，如何在不同专业领域有效部署数据增强型LLM，仍然面临诸多挑战。这些挑战包括ÿ...
RAG真能提升LLM推理能力？人大最新研究：数据有噪声，RAG性能不升反降
随着大型语言模型（LLM）在自然语言处理领域的广泛应用，如何提升其推理能力成为研究的热点。检索增强生成（RAG）技术因其在引入新知识和减少幻觉方面的有效性而备受关注。然而，RAG对LLM推理能力的提升效果究竟如何，仍存在争议。最近，中国人民大学的一项研究对此进行了深入探讨，...
基于RAG和LLM的水利知识问答系统研究
随着全球水资源的日益紧张，我国人均水资源量偏低，约三分之二的城市面临缺水问题，水资源的精细化管理显得尤为重要。为了应对这一挑战，提升水利工程的效率和智能化水平成为关键。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中明确提出了构建智慧水利体系的目标，旨在通过科技手段提升水情测报和智能调度能力。 ...
基于RAG和LLM的水利知识大语言模型系统开发有感
探索水利知识问答系统的智能化之旅 在数字化时代，水利行业的智能化管理显得尤为重要。我有幸参与了一个基于大语言模型（LLM）和检索增强生成（RAG）技术的水利知识问答系统的开发，这是一个将前沿AI技术与水利领域专业知识相结合的创新项目。 核心技术的融合 我们的系统核心在于LLM和RAG技术的融合。LLM赋予了系统深度理解...
文档智能和检索增强生成（RAG）——构建LLM知识库
一、体验概述本次体验(文档智能 & RAG让AI大模型更懂业务)活动，特别是其在文档智能和检索增强生成（RAG）结合构建的LLM知识库方面的表现。体验过程中，我们重点关注了文档内容清洗、文档内容向量化、问答内容召回以及通过特定Prompt为LLM提供上下文信息的能力，以判断其是否能够满足企业级文档类型知识库的问答处理需...
文档智能与RAG技术在LLM中的应用评测
引言 随着人工智能技术的飞速发展，大型语言模型（LLM）在自然语言处理（NLP）领域取得了显著的进展。然而，LLM在处理特定领域或专业知识时，往往面临数据稀疏和知识更新不及时的问题。为了解决这些问题，文档智能（Document Intelligence）与检...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。