semaphore提示您：看后求收藏（比奇屋biqiwu.org），接着再看更方便。
2.3
检索增强生成技术
rag（retrieval-augmented
generation）技术是一种结合了信息检索（retrieval）和文本生
成（generation）的自然语言处理（nlp）方法。核心思想是将传统的检索技术与现代的自然语言
生成技术相结合，以提高文本生成的准确性和相关性。它旨在通过从外部知识库中检索相关信息来
辅助大型语言模型（如
gpt
系列）生成更准确、可靠的回答。
在
rag
技术中，整个过程主要分为三个步骤如图
2.2
所示：索引（
indexing）、检索
（retrieval）和生成（generation）。首先，索引步骤是将大量的文档或数据集合进行预处理，将
其分割成较小的块（c混k）并进行编码，然后存储在向量数据库中。这个过程的关键在于将非结
构化的文本数据转化为结构化的向量表示，以便于后续的检索和生成步骤。接下来是检索步骤，它
根据输入的查询或问题，从向量数据库中检索出与查询最相关的前
k
个
c混k。这一步依赖于高效
的语义相似度计算方法，以确保检索到的
c混k
与查询具有高度的相关性。最后是生成步骤，它将
原始查询和检索到的
c混k
一起输入到预训练的
transformer
模型（如
gpt
或
bert）中，生成最
终的答案或文本。这个模型结合了原始查询的语义信息和检索到的相关上下文，以生成准确、连贯
且相关的文本。
rag
的概念和初步实现是由
douwe
更多内容加载中...请稍候...
本站只支持手机浏览器访问，若您看到此段落，代表章节内容加载失败，请关闭浏览器的阅读模式、畅读模式、小说模式，以及关闭广告屏蔽功能，或复制网址到其他浏览器阅读！
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！