用检索增强生成让大模型更强大，这里有个手把手的Python实现

AIGC动态欢迎阅读

原标题：用检索增强生成让大模型更强大，这里有个手把手的Python实现

关键字：向量,上下文,知识,文本,数据库

文章来源：机器之心

内容字数：9116字

内容摘要：选自towardsdatascience作者：Leonie Monigatti机器之心编译编辑：Panda自从人们认识到可以使用自己专有的数据让大型语言模型（LLM）更加强大，人们就一直在讨论如何有效地将 LLM 的一般性知识与专有数据整合起来。对此人们也一直在争论：微调和检索增强生成（RAG）哪个更合适？本文首先将关注 RAG 的概念和理论。然后将展示可以如何使用用于编排（orchestration）的 LangChain、OpenAI 语言模型和 Weaviate 向量数据库来实现一个简单的 RAG。检索增强生成是什么？检索增强生成（RAG）这一概念是指通过外部知识源来为 LLM 提供附加的信息。这让 LLM 可以生成更准确和更符合上下文的答案，同时减少幻觉。问题当前最佳的 LLM 都是使用大量数据训练出来的，因此其神经网络权重中存储了大量一般性知识（参数记忆）。但是，如果在通过 pr…

原文链接：点此阅读原文：用检索增强生成让大模型更强大，这里有个手把手的Python实现

联系作者

文章来源：机器之心

作者微信：almosthuman2014

作者简介：专业的人工智能媒体和产业服务平台