RAG SIG

用户1672

用户883

2024年3月17日修改

书生·浦语 RAG 兴趣小组

1.
什么是RAG？​

LLM会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏专业领域的深度洞察，同时在推理能力上也有所欠缺。正是在这样的背景下，检索增强生成技术（Retrieval-Augmented Generation，RAG）应时而生，成为 AI 时代的一大趋势。​

RAG 通过在语言模型生成答案之前，先从广泛的文档数据库中检索相关信息，然后利用这些信息来引导生成过程，极大地提升了内容的准确性和相关性。RAG 有效地缓解了幻觉问题，提高了知识更新的速度，并增强了内容生成的可追溯性，使得大型语言模型在实际应用中变得更加实用和可信。​

RAG主要包含三个基本步骤：

1.
索引 — 将文档库分割成较短的 Chunk，并通过编码器构建向量索引。​

2.
检索 — 根据问题和 chunks 的相似度检索相关文档片段。​

3.
生成 — 以检索到的上下文为条件，生成问题的回答。​

时间周期：2024 年 2 月——6 月

小组长：不要葱姜蒜

备注：加入大模型RAG兴趣小组欢迎微信联系浦语小助手（微信搜索InternLM）或者小组长不要葱姜蒜（微信搜索KMnO4-zx）​

2.
在兴趣小组可以做什么？​

在InternLM RAG兴趣小组一起读paper、参与圆桌会议、手搓RAG代码、结合internlm2写blog等活动。​

3.
组员福利​

•
活跃的学习氛围​

•
优秀组员精美证书​

•
上海AI实验室内推机会​

•
充足的算力支持​

•
上海AI实验实验室研究员项目指导​

学习资料

参考论文

Name	Paper Link
When Large Language Models Meet Vector Databases: A Survey	http://arxiv.org/abs/2402.01763

RAG SIG​