AIGC動態(tài)歡迎閱讀

原標(biāo)題：淺談RAG的十大挑戰(zhàn)
關(guān)鍵字：模型,向量,領(lǐng)域,問題,知識
文章來源：算法邦
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

直播預(yù)告 | 6月6日晚7點，「智猩猩AI新青年講座」第238講正式開講，香港大學(xué)CVMI Lab在讀博士楊霽晗將直播講解《V-IRL：根植于真實世界的AI Agents》，歡迎掃名~導(dǎo)讀本文來自知乎，主要總結(jié)了RAG面臨的十個挑戰(zhàn)。作者為王磊，是華為AI應(yīng)用平臺/云原生架構(gòu)師。
本文只做學(xué)術(shù)/技術(shù)分享，如有侵權(quán)，聯(lián)系刪文。
原文鏈接：https://zhuanlan.zhihu.com/p/696904158??01背景介紹ChatGPT的火爆問世，讓人們對問答機器人重拾了信心，有了大模型的加持，ChatGPT還成功通過了谷歌的編程面試。普通大眾可以借助ChatGPT完成日常問答、翻譯、文本生成、文本分類等多種任務(wù)。但是如果直接拿它來回答專業(yè)領(lǐng)域的問題，可能就不那么盡如人意了。問題主要表現(xiàn)在：
依賴大模型的內(nèi)在知識，已有的內(nèi)容可能過時或者來自非權(quán)威的來源，還容易產(chǎn)生大量幻覺等。
如果嘗試對大模型進(jìn)行微調(diào)，其參數(shù)量大，微調(diào)成本非常高，還容易出現(xiàn)過擬合的現(xiàn)象。
而檢索增強生成（Retrieval Augmented Generation，RAG）通過將檢索技術(shù)和大模型的結(jié)合，能很好地

原文鏈接：淺談RAG的十大挑戰(zhàn)

聯(lián)系作者

文章來源：算法邦
作者微信：allplusai
作者簡介：智猩猩矩陣賬號之一，聚焦生成式AI，重點關(guān)注模型與應(yīng)用。