iT邦幫忙

2024 iThome 鐵人賽

DAY 7
0
生成式 AI

AI的雲上漫遊系列 第 7

Day7 RAG的基本概念和工作原理

  • 分享至 

  • xImage
  •  

接下來就會是一些小重點,有沒有人會很好奇為什麼每個領域都會有自己的AI,如醫學AI、私人知識庫等等應用,就是用RAG這種方式去完成及實踐的。


RAG是Retrieval-Augmented Generation的縮寫,中文可以翻譯為"檢索增強生成"。它是一種結合了信息檢索和文本生成的AI技術,主要用於改善大型語言模型的表現。以下是RAG的基本概念和工作原理:

  1. 基本概念:
    RAG的核心思想是在生成回答之前,先從外部知識庫中檢索相關信息,然後將這些信息與語言模型結合,以產生更準確、更相關的回答。

  2. 工作原理:
    a. 信息檢索: 當系統收到一個問題或查詢時,它首先會在預先準備的知識庫中搜索相關的文檔或片段。
    b. 相關性排序:系統會對檢索到的信息進行排序,選擇最相關的部分。
    c. 上下文融合:將選定的相關信息與原始查詢結合,形成一個豐富的上下文。
    d. 生成回答:語言模型使用這個增強的上下文來生成最終的回答。

    以下為流程圖:

    https://ithelp.ithome.com.tw/upload/images/20240908/20106094RDYBSRhdcU.png

  3. 優點:

    • 提高回答的準確性和可靠性
    • 減少幻覺(即模型生成虛假信息的情況)
    • 使模型能夠訪問最新的信息,而不需要重新訓練
  4. 應用場景:

    • 問答系統
    • 客戶服務聊天機器人
    • 個性化推薦系統
    • 學術研究輔助工具

RAG技術的使用使得AI系統能夠提供更加準確、相關和最新的信息,大大提升了用戶體驗和系統的實用性。


上一篇
Day6 LangChain 實作
下一篇
Day8 向量資料庫和語義搜索
系列文
AI的雲上漫遊30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言