logo

击壤而歌

RAG

RAG中的多向量检索实践
在之前的文章中， 我们介绍了RAG中常见的文档分块策略。 这些分块策略对于文档中的任何信息都只有一个与之对应的向量(文档重叠的部分除外)。 在实际应用场景中， 我们可以通过为每一个文档块关联多个向量来进一步提升检索的效果。 创建多向量有多
2025-01-18 RAG ， Retrieval Augmented Generation ， Multi-Vector

RAG中的文档分块策略
在基于 DPR (Deep Passage Retrieval) 的 RAG 系统中， Chunking 是离线索引阶段非常重要的环节， 对RAG的最终效果有重要影响。 Chunking 将文档划分为多个易于处理的小块，使得在线检索阶段仅需
2025-01-17 RAG ， Retrieval Augmented Generation ， Chunking

RAG Query改写系列4: Step Back Prompting
抽象的目的不是为了模糊，而是为了创造一个新的语义层次，在这个层次上人们可以绝对精确。—— Edsger W. Dijkstra SBP(Step-Back Prompting) 是一种大模型提示词技术， 它通过对原始问题进行抽象，推导出
2025-01-13 RAG ， Retrieval Augmented Generation ， Prompt Engineering

RAG Query改写系列3: Rewrite-Retrieval-Read
Rewrite-Retrieval-Read 是由上海交大与微软亚洲研究院于2023年5月在论文(《Query Rewriting for Retrieval-Augmented Large Language Models》)[https:
2025-01-12 RAG ， Retrieval Augmented Generation ， Prompt Engineering

RAG Query改写系列2: Doc2Query
Doc2Query 是由微软的Liang Wang等人于2023年3月在论文《Query2doc: Query Expansion with Large Language Models》 中提出的一种RAG Query改写技术。 其思想非
2025-01-11 RAG ， Retrieval Augmented Generation ， Prompt Engineering ， Doc2Query

RAG Query改写系列1: HyDE
HyDE 是由CMU的 Luyu Gao (主页: https://luyug.github.io/ ) 等人于2022年12月在论文《Precise Zero-Shot Dense Retrieval without Relevance
2025-01-10 RAG ， Retrieval Augmented Generation ， Prompt Engineering ， HyDE