摘要：
1.RAG效果评估的必要性 评估出RAG对大模型能力改善的程度 RAG优化过程，通过评估可以知道改善的方向和参数调整的程度 2.RAG评估方法 人工评估 最Low的方式是进行人工评估：邀请专家或人工评估员对RAG生成的结果进行评估。他们可以根据预先定义的标准对生成的答案进行质量评估，如准确性、连贯性 阅读全文
posted @ 2025-03-12 12:08
Michael_Z
阅读(287)
评论(0)
推荐(0)
摘要：
RAG痛点问题分析论文 论文：《Seven Failure Points When Engineering a Retrieval Augmented Generation System》 地址: https://arxiv.org/pdf/2401.05856 https://www.163.co 阅读全文
posted @ 2025-03-12 12:08
Michael_Z
阅读(224)
评论(0)
推荐(0)
摘要：
阿里云-百炼RAG 创建应用->上传数据->知识索引 https://bailian.console.aliyun.com/ 智普RAG 创建应用-》上传数据 https://www.zhipuai.cn/ Google的NoteBook https://notebooklm.google/ 阅读全文
posted @ 2025-03-12 12:07
Michael_Z
阅读(37)
评论(0)
推荐(0)
摘要：
传统VS大模型 智能客服系统在没有大模型之前我们也是可以设计完成的只是实现的效果没有大模型那么好。下面是两则设计的原理 向量与Embeddings的定义 在数学中，向量（也称为欧几里得向量），指具有大小（magnitude）和方向的量。它可以形象化地表示为带箭头的线段。箭头所指：代表向量的方向；线段 阅读全文
posted @ 2025-03-12 12:03
Michael_Z
阅读(79)
评论(0)
推荐(0)
摘要：
LLM的缺陷： LLM的知识不是实时的，不具备知识更新。 LLM可能不知道你私有的领域/业务知识。 LLM有时会在回答中生成看似合理但实际上是错误的信息。 为什么会用到RAG： 提高准确性：通过检索相关的信息，RAG可以提高生成文本的准确性。 减少训练成本：与需要大量数据来训练的大型生成模型相比，R 阅读全文
posted @ 2025-03-12 12:02
Michael_Z
阅读(308)
评论(0)
推荐(0)
摘要：
1.智能学员辅导系统 利用大模型来写界面 利用大模型来写界面，把学员填写的信息利用大模型生成答案 拆解一下项目： 传统的html css js jq vue框架 前端 AI streamlit gradio 提示词 帮我用streamlit模块写一个可以和大模型交互的界面 提示词： 用streaml 阅读全文
posted @ 2025-03-12 11:43
Michael_Z
阅读(62)
评论(0)
推荐(0)
摘要：
1.生成数据 从具有生成连贯文本的强大能力。使用有效的提示策略可以引导模型产生更好、更一致和更真实的响应。 从模型还可以特别有用地生成数据，这对于运行各种实验和评估非常有用。例如，我们可以使用它来为情感分类器 生成快速样本，如下所示： 提示： 生成10个情感分析的范例。示例被归类为正面或负面。生成2 阅读全文
posted @ 2025-03-12 11:42
Michael_Z
阅读(74)
评论(0)
推荐(0)
摘要：
1.零样本提示 如今，经过大量数据训练并调整指令的LLM能够执行零样本任务 prompt = """ 将文本分为中性、负面或正面。 文本：我认为这次假期一般。 情感： """ # prompt = "中国的首都是哪里？" # 在上面的提示中，我们没有向模型提供任何示例——这就是零样本能力的作用。 d 阅读全文
posted @ 2025-03-12 11:41
Michael_Z
阅读(150)
评论(0)
推荐(0)
浙公网安备 33010602011771号