学习资料链接:discussion.coggle.club/t/topic/30大型语言模型(LLM)能够生成连贯、自然的文本,回答问题,并执行其他复杂的语言任务。然而,这些模型存在一些固有的局限性,如“模型幻觉问题”、“时效性问题”和“数据安全问题”。为了克服这些限制,检索增强生成(RAG)技术应运而生。
太棒了,正是我想学习的内容🤓感谢博主的无私奉献,加油!
您好。想学习。
講得真仔細。真的很好。有接案嗎?
没有哈,个人爱好
A very helpful video to learn RAG, thanks. 然後我有個問題請假下:如果使用RAG技術做垂直領域的chatbot,比如視頻中的汽車保養吧,那最後的chatbot背後的知識庫應該是LLM的知識庫+汽車保養的知識庫,對吧。也就是說,如果我在chatbot中問了一個和汽車保養無關的問題,但是LLM是知道的,比如中國的首都是哪裏,那chatbot應該也可以給出答案吧?
你这个问题可以通过提示词模块来解决
想问一下如果输入的问题和入库的数据是怎样匹配的?就像中文语境下有可能是同一个意思,但是不是同一个文字的内容,那像这种的话也能匹配上吗?还是说需要一些微调之类的在用户之前就把他们做好关联。
可以通过语义相似度进行匹配
@@Coggle-Club 还有一个问题想请教一下:在coggle 中 汽车问答系统里的 question里有一道问题是:“请问这些汽车技术缩略语和术语主要用于哪些品牌的车型?” 像这种问题是需要从数据集是里取得车型是 MR6453DCHEV02,但这个实际是 领克的 01 车型,数据集中没有提及的。像这种有额外需要优化数据,是否仅能补完数据集来完善?
@@kenshinhu2823 这个提问可能从给定的pdf中无法回答,可以回答无法回答。也可以补充数据集再完善。
Пікірлер: 10
太棒了,正是我想学习的内容🤓感谢博主的无私奉献,加油!
您好。想学习。
講得真仔細。真的很好。有接案嗎?
@Coggle-Club
2 ай бұрын
没有哈,个人爱好
A very helpful video to learn RAG, thanks. 然後我有個問題請假下:如果使用RAG技術做垂直領域的chatbot,比如視頻中的汽車保養吧,那最後的chatbot背後的知識庫應該是LLM的知識庫+汽車保養的知識庫,對吧。也就是說,如果我在chatbot中問了一個和汽車保養無關的問題,但是LLM是知道的,比如中國的首都是哪裏,那chatbot應該也可以給出答案吧?
@freeluo22
2 ай бұрын
你这个问题可以通过提示词模块来解决
想问一下如果输入的问题和入库的数据是怎样匹配的?就像中文语境下有可能是同一个意思,但是不是同一个文字的内容,那像这种的话也能匹配上吗?还是说需要一些微调之类的在用户之前就把他们做好关联。
@Coggle-Club
Ай бұрын
可以通过语义相似度进行匹配
@kenshinhu2823
Ай бұрын
@@Coggle-Club 还有一个问题想请教一下:在coggle 中 汽车问答系统里的 question里有一道问题是:“请问这些汽车技术缩略语和术语主要用于哪些品牌的车型?” 像这种问题是需要从数据集是里取得车型是 MR6453DCHEV02,但这个实际是 领克的 01 车型,数据集中没有提及的。像这种有额外需要优化数据,是否仅能补完数据集来完善?
@Coggle-Club
Ай бұрын
@@kenshinhu2823 这个提问可能从给定的pdf中无法回答,可以回答无法回答。也可以补充数据集再完善。