RAG——RAG生成(大模型)

news2026/3/17 13:03:03

目录一、前提二·、大模型发展三、大模型原理四·、RAG 中如何选择大模型本文来源：极客时间vip课程笔记注：后续技术类文章会同步到我的公众号里，搜索公众号小志的博客感兴趣的读友可以去找来看看。一、前提RAG 的本质是通过为大模型提供外部知识来增强其理解和回答领域问题的能力，类似于为大语言模型配备插件，使其能够结合外部知识作出更为精准和符合上下文的回答。大模型在 RAG 系统中起到大脑中枢的作用，尤其在面对复杂且多样化的 RAG 任务时，大模型的性能直接决定了整个系统的效果和响应质量，可以说大模型是整个系统的大脑。如下图所示，经过 RAG 索引流程外部知识的解析及向量化，RAG 检索流程语义相似性的匹配及混合检索，系统进入 RAG 生成流程。生成流程中，首先需要组合指令，指令将携带查询问题及检索到的相关信息输入到大模型中，由大模型理解并生成最终的回复，从而完成整个应用过程。二·、大模型发展自 2022 年 OpenAI 公司发布 ChatGPT 以来，AI 2.0 时代 “Scaling Law” 大模型技术范式在全球范围内引发了人工智能学术与产业热潮。根据中文大模型综合性测评基准 SuperCLUE 组织发布的 2024 年 8 月报告阐述，AI 大模型 2023-2024 年关键进展大致可以分为四个阶段。准备期：ChatGPT 发布后国内产学研迅速形成大模型共识

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2415771.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！