RAG在办公领域中的探索与实践（31页PPT）.pptxVIP

DataFunSummit # 2024;;大语言模型的缺点;RAG

RAG（RetrievalAugmentedGeneration），即检索增某著名企业成。它通过结合检索系统和生成模型来提高语言生成的准确性和相关性。;;系统设计;整体思路;问答流程;;;RAG构建挑战及实践-“搜的更全”;RAG构建挑战及实践-“搜的更全”;RAG构建挑战及实践-“搜的更全”;RAG构建挑战及实践-“搜的更全”;RAG构建挑战及实践-“搜的更全”;问答流程;RAG构建挑战及实践-“排的更好”;RAG构建挑战及实践-“排的更好”;RAG构建挑战及实践-“排的更好”;RAG构建挑战及实践-“排的更好”;RAG构建挑战及实践-“排的更好”;RAG构建挑战及实践-“排的更好”;问答流程;RAG构建挑战及实践-“回答的更准”;RAG构建挑战及实践-“回答的更准”;RAG构建挑战及实践-“回答的更准”;RAG构建挑战及实践-“回答的更准”;;分享总结

介绍了我们在办公领域RAG构建过程中在构建系统、构建算法两个方面的实践经验。

在检索方面，通过文档解析、多轮Query改写和混合检索等方式，保证检索的相关文档“搜的更全”。

在排序方面，通过粗排序、精排序和知识过滤等方式，保证文档的相关性排序“排的更好”。

在生成方面，通过知识排版、Query+Prompt模板组装等方式，保证大模型“回答的更准”。

一点心得

RAG想做??来比较容易，但想做好还是比较难的，做好每一个细节，不要将压力全都交给LLM。

一个生产级RAG的最终目标就是优化检索和生成，贴近业务，按需设计。

在实际应用中，需要工程和算法等多方面参与和努力，需要大量的实验对比，不断验证和优化。;DataFunSummit # 2024