我要投稿
快速掌握RAG技术核心术语，深入了解检索增强生成的架构和应用。 核心内容： 1. RAG架构核心组成及其术语含义 2. Embedding与向量检索技术详解 3. 生成与上下文控制的关键术语 4. 相关技术与模式介绍
RAG (Retrieval-Augmented Generation)，检索增强生成
| Retriever（检索器） | |
| Generator（生成器） | |
| Index（索引） | |
| Knowledge Base / Corpus（知识库 / 文档库） |
| Embedding（嵌入表示） | |
| Dense Retrieval（稠密检索） | |
| Vector Store（向量数据库） | |
| ANN（Approximate Nearest Neighbor） |
| DPR（Dense Passage Retrieval） | |
| BM25 | |
| Hybrid Retrieval（混合检索） |
| Context Window（上下文窗口） | |
| Chunking（分块） | |
| Top-k Retrieval | |
| Prompt Engineering | |
| Grounding |
| Reranking（重排序） | |
| Query Expansion（查询扩展） | |
| Multi-hop Retrieval | |
| Fusion-in-Decoder（FiD） | |
| Retriever-Reader Architecture |
| Cold Start | |
| Latency（延迟） | |
| Caching | |
| Incremental Indexing |
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：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-05-31
RAG（检索增强生成）：提升大语言模型性能的终极指南
2025-05-31
DO-RAG：一种使用知识图谱增强检索辅助生成的领域特定问答框架 - 清华大学等
2025-05-30
2025年GitHub上十大RAG框架深度解析：从技术原理到实战应用
2025-05-30
90%企业不知道的RAG优化秘籍：Dify原生集成RAGflow (2)
2025-05-30
RAG其实并没有你想的那么简单，Late Chunking vs Contextual Retrieval解决上下文难题
2025-05-30
基于Gemini与Qdrant构建生产级RAG管道：设计指南与代码实践
2025-05-30
RAG和向量数据库之间有什么关系?
2025-05-29
超越基础：Agentic Chunking 如何彻底改变 RAG？
2024-10-27
2024-09-04
2024-05-05
2024-07-18
2024-06-20
2024-06-13
2024-07-09
2024-07-09
2024-05-19
2024-07-07
2025-05-30
2025-05-29
2025-05-29
2025-05-23
2025-05-16
2025-05-15
2025-05-14
2025-05-14
回到顶部
粤ICP备17114055号