微信扫码
添加专属顾问
我要投稿
百度终于整了点大活!
他们最近搞出了一个叫"自推理"的框架,号称能让RAG系统更靠谱、更易追踪。
说白了,就是让大模型自己问自己答,自己给自己出题还自己改卷,这操作也是没谁了!
这个框架主要分三步走:
相关性判断:让模型自己判断检索到的文档和问题是否相关。
听起来好像很高大上?
其实就是让模型自己当自己的老师,自己教自己怎么思考。可以说是既当爹又当妈了!
离谱的是,这玩意儿只用了2000个训练样本(还是GPT-4生成的),就能和GPT-4打个平手。
Lihua(@yZHxkVi1aTjSJmJ) 对百度这波操作表示赞叹:
这种利用大模型自身推理轨迹的方法很有意思。它可以提高模型的透明度和可解释性,让我们更好地理解模型是如何得出结论的。
这种让模型自己解释自己的做法,可以说是非常鸡贼了。不仅能提高准确率,还能让我们更好地理解模型的思考过程。
还有网友Zoe Wang(@zoewangai)更是直接上手研究了一波,她总结道:
作者提出的"自推理"框架包括三个关键过程:
相关性感知过程(RAP):指导语言模型判断检索文档与问题的相关性。
证据感知选择过程(EAP):引导语言模型选择和引用相关文档,并从中选取关键句子作为"证据"。
轨迹分析过程(TAP):要求语言模型基于前两个过程中的自推理轨迹生成简明分析,并给出最终答案。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-20
RAG 投毒的六个影响因素与防御框架
2026-06-20
RAG 性能暴涨 5.9 倍!微软新框架让 LLM 自主检索,无需训练直接部署
2026-06-19
RAGular:适合知识库体质的 OCR 助手
2026-06-18
阿里扔出「向量版 SQLite」!十亿级向量毫秒检索,一行 pip install 搞定,本地 RAG 的游戏规则变了
2026-06-18
一个月拿下1500star,只因我们比MinerU多做了这件事
2026-06-18
为 1000 万+ 文档构建近零幻觉的 RAG Pipeline
2026-06-17
微软推出企业级 AgenticRAG!四个工具助力RAG新范式落地
2026-06-16
从 RAG 到 MAG:解析 Agent 的长期记忆 (Memory) 架构演进
2026-03-23
2026-04-06
2026-04-27
2026-04-02
2026-03-31
2026-04-23
2026-04-20
2026-04-09
2026-04-12
2026-04-22
2026-06-15
2026-06-10
2026-06-10
2026-05-20
2026-05-18
2026-05-11
2026-05-07
2026-05-06