- 1、本文档共43页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
2024年向量数据库与RAG
落地实践与思考
QCon2024全球软件开发北京大会
爱可生苏鹏
苏鹏|爱可生AI创新事业部负责人
目前在爱可生负责大模型与数据库的创新场景探索,在数据库和算法领
域有着丰富的开发经验。
QCon2024全球软件开发北京大会
Datawhale开源学习社区上海负责人
LFAPACEduSIGmember
公众号「向量检索实验室」主理人
GitHub账号:/SuperSupeng
目录
一、大模型落地过程中的现状和问题
二、技术重点
信息提取/信息检索/LLM交互/RAG评估
QCon2024全球软件开发北京大会
三、电力行业智能化营销实战
业务背景/实现方案/方案效果
四、总结与展望
大模型落地过程中的现状和问题
QCon2024全球软件开发北京大会
大模型落地过程中的现状和问题
大模型有幻觉怎么办??
大模型这么多,怎么选?新技术层出不穷,如何跟进?
需要多少硬件资源支持?缺失内容
应该项目制还是统一规划?大语言模型安全性
大家都在做长文本对我有什么影响么?关键文档被遗漏
QCon2024全球软件开发北京大会
缺乏具体细节文档长度超过上下文限制
回答不全面提取困难
结构化数据问答格式错误
复杂PDF文档数据提取备用模型策略
大模型落地过程中的现状和问题
基于向量检索的大模型——检索增强生成(RAG)
模型微调
QCon2024全球软件开发北京大会VectorDB
虽然能通过微调的方式进行知识注入,但是存在两个缺陷:
1.模型微调需要专业人才、GPU设备投入较大
通过检索增强生成(RAG)的方式,能够保证定位到必威体育精装版且准确的知识数据,作为上下文输
2.若非私有化部署的模型,微调后有数据泄漏的风险,而且知识不易变更
送给大模型,用低成本(仅普通服务器即可实现高效检索)的方式提升模型效果。
大模型落地过程中的现状和问题
QCon2024全球软件开发北京大会
1.SevenFailurePointsWhenEngineeringaRetrievalAugmentedGenerationSystem
您可能关注的文档
- AI Agent 在企业经营分析场景的落地.pdf
- AI 大模型技术在数据库 DevOps 的实践.pdf
- Al 原生数据库 Infinity 系统架构与 RAG 技术实践.pdf
- DingoDB:从 HSAP 到多模向量数据库的技术演进之路.pdf
- eBPF + LLM:实现可观测性智能体的基础设施.pdf
- HarmonyOS创新开发场景与能力.pdf
- Kotlin Multiplatform 基于 Bazel 的逻辑层跨平台 (iOS、Android、Harmony) 实践.pdf
- LLM和Multi:在运维领域的实验探索.pdf
- MFTcoder:大模型多任务微调框架.pdf
- MongoDB 开发者数据平台助力企业构建 AI 智能化应用.pdf
文档评论(0)