检索增强生成（RAG）：弥合语言模型与知识源之间的鸿沟-程序员宅基地

技术标签： 语言模型  人工智能  自然语言处理  

引言

在自然语言处理（NLP）领域，大型语言模型（LLMs）在理解和生成类似人类的文本方面取得了显著进展。然而，这些模型在处理知识密集型任务时常常遭遇局限性，例如提供准确和最新的信息。这就是检索增强生成（RAG）技术的用武之地，它通过整合外部知识源来增强LLMs，从而提高生成响应的质量和相关性。

图一：RAG系统架构概览

RAG的必要性

LLMs，如GPT-3及其后续版本，在理解广泛任务方面表现良好，但它们在处理特定领域的查询时可能会遇到困难，因为它们的知识仅限于训练期间接触到的数据。这导致了以下几个问题：

  1. 虚构：LLMs可能会生成事实上不正确或无意义的内容，尤其是在处理训练数据中未包含的事件或信息时。
  2. 知识过时：LLMs无法轻松地整合在它们训练数据收集之后出现的新信息。
  3. 缺乏特定领域的专业知识：尽管LLMs在一般任务上表现良好，但它们可能难以处理需要深入了解特定领域的专业查询。

RAG通过检索外部数据库中的相关信息，并使用这些信息来指导生成过程，从而解决了这些挑战，提供了更准确和具有上下文相关性的响应。

RAG概述

RAG系统由两个主要部分组成：

  1. 检索系统：该组件查询外部知识源，检索与用户查询相关的信息片段。
  2. 生成模块：这通常是一个LLM，它使用检索到的信息作为上下文来生成响应。

过程如下：

  • 用户提出一个查询。
  • 检索系统搜索知识数据库以找到相关内容。
  • 检索到的片段与原始查询结合，形成丰富的提示。
  • LLM根据这个提示生成响应，同时利用其预训练的知识和新检索到的信息。

RAG的主要优势

  • 忠实性：响应基于实际检索到的内容，降低了虚构的风险。
  • 相关性：生成模块可以更有效地处理查询，因为它结合了相关信息。
  • 上下文意识：RAG系统可以适应特定领域并保持最新信息。

技术实现

实现RAG涉及几个技术考虑因素：

  1. 数据索引和向量化：必须将文本处理成向量空间，以便能够有效地计算语义相似性。
  2. 搜索索引：需要一个强大的搜索索引，以便基于向量相似性快速检索相关片段。
  3. 查询重构：可能需要重构原始查询以改善检索过程。
  4. 响应生成：LLM必须经过微调或提示，以生成既准确又上下文适当的响应。

图二： 文本数据索引和向量化原理示意图

图三： 检索系统工作流程示意图

图四： 生成模块的生成过程示意图

挑战和考虑事项

  • 检索质量：检索系统的准确性显著影响最终响应的质量。
  • 集成复杂性：结合检索系统和生成模块需要精心设计，以确保连贯性和效率。
  • 可扩展性：随着知识数据库的增长，保持性能变得越来越具挑战性。

RAG研究与开发

近期的研究，如Lewis等人（2020）的工作，探索了RAG的各个方面，包括它对生成文本质量的影响以及有效整合检索和生成的方法。Shahul等人（2023）的论文介绍了RAGAS，这是一个用于评估检索增强生成（RAG）管道的框架，强调了自动化指标对于RAG系统开发的重要性。

以下通过CSDN的一位博主 百度Geek说 的一篇相关文章中截取的一个片段来说明RAG的优势：

图五： RAG的优势示例

“检索”、“利用”、“生成”是 RAG 的关键部分。

举个简单的例子：

你正在写一篇关于小狗的文章，但你对小狗的知识有限。这时，你很可能会进行以下操作：

1.检索（Retrieval）：首先，你打开电脑，输入关键词为“小狗”的搜索请求，在互联网上检索了大量的关于小狗的文章、博客和信息。

2.利用（Utilization）：接下来，你会分析这些搜索结果，并提取其中的重要信息，包括狗狗的种类、行为习惯、饲养方式等等。你将这些信息整理成一个知识库，这个知识库就像一本百科全书，里面包含了各种关于小狗的知识点。

3.生成（Generation）：现在，你需要写文章。在文章的开头，通过一个问题引入：“小狗的寿命有多长？”随后，便可以使用之前检索和整理的信息来回答问题，或者生成文章的段落。这一步不仅仅是简单地复制粘贴，而是根据上下文和语法规则生成自然流畅的文本。
———————————————————————————————————————————

版权声明：以上片段来自CSDN用户 百度Geek说 的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
                        
原文链接：https://blog.csdn.net/lihui49/article/details/136699678

相信在不远的将来，咱们写技术博客，都可以通过RAG轻松搞定了，到时候关键还是要看作者对某个细分领域应用场景的领悟和见解，但是知识和信息的获取将变得轻松高效。

未来方向

RAG的未来在于其适应和随着NLP应用不断增长的需求而发展的能力。关注的关键领域包括：

  • 多模态RAG：将RAG扩展到处理非文本数据，如图像和视频。
  • 实时更新：整合实时知识更新机制，以保持RAG系统的时效性。
  • 用户交互：增强RAG系统以支持更复杂的用户交互，并提供个性化体验。

结论

RAG代表了语言模型在提供知识丰富和上下文相关响应方面的一大飞跃。通过弥合LLMs和外部知识源之间的鸿沟，RAG为更复杂的NLP应用铺平了道路，这些应用可以真正理解和与用户进行有意义的互动。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27475559/article/details/137403956

智能推荐

oracle 12c 集群安装后的检查_12c查看crs状态-程序员宅基地

文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下：http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态：[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态

解决jupyter notebook无法找到虚拟环境的问题_jupyter没有pytorch环境-程序员宅基地

文章浏览阅读1.3w次，点赞45次，收藏99次。我个人用的是anaconda3的一个python集成环境，自带jupyter notebook，但在我打开jupyter notebook界面后，却找不到对应的虚拟环境，原来是jupyter notebook只是通用于下载anaconda时自带的环境，其他环境要想使用必须手动下载一些库：1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境

国内安装scoop的保姆教程_scoop-cn-程序员宅基地

文章浏览阅读5.2k次，点赞19次，收藏28次。选择scoop纯属意外，也是无奈，因为电脑用户被锁了管理员权限，所有exe安装程序都无法安装，只可以用绿色软件，最后被我发现scoop，省去了到处下载XXX绿色版的烦恼，当然scoop里需要管理员权限的软件也跟我无缘了（譬如everything）。推荐添加dorado这个bucket镜像，里面很多中文软件，但是部分国外的软件下载地址在github，可能无法下载。以上两个是官方bucket的国内镜像，所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn

Element ui colorpicker在Vue中的使用_vue el-color-picker-程序员宅基地

文章浏览阅读4.5k次，点赞2次，收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了，例如：这里的:sty..._vue el-color-picker

迅为iTOP-4412精英版之烧写内核移植后的镜像_exynos 4412 刷机-程序员宅基地

文章浏览阅读640次。基于芯片日益增长的问题，所以内核开发者们引入了新的方法，就是在内核中只保留函数，而数据则不包含，由用户（应用程序员）自己把数据按照规定的格式编写，并放在约定的地方，为了不占用过多的内存，还要求数据以根精简的方式编写。boot启动时，传参给内核，告诉内核设备树文件和kernel的位置，内核启动时根据地址去找到设备树文件，再利用专用的编译器去反编译dtb文件，将dtb还原成数据结构，以供驱动的函数去调用。firmware是三星的一个固件的设备信息，因为找不到固件，所以内核启动不成功。_exynos 4412 刷机

Linux系统配置jdk_linux配置jdk-程序员宅基地

文章浏览阅读2w次，点赞24次，收藏42次。Linux系统配置jdkLinux学习教程，Linux入门教程（超详细）_linux配置jdk

随便推点

matlab(4)：特殊符号的输入_matlab微米怎么输入-程序员宅基地

文章浏览阅读3.3k次，点赞5次，收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图：_matlab微米怎么输入

C语言程序设计-文件(打开与关闭、顺序、二进制读写)-程序员宅基地

文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件，可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中，对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数，而关闭则使用fclose函数。在C语言中，可以使用fread和fwrite函数进行二进制读写。‍ Biaoge 于2024-03-09 23:51发布 阅读量：7 ️文章类型：【 C语言程序设计 】在C语言中，用于打开文件的函数是____，用于关闭文件的函数是____。

Touchdesigner自学笔记之三_touchdesigner怎么让一个模型跟着鼠标移动-程序员宅基地

文章浏览阅读3.4k次，点赞2次，收藏13次。跟随鼠标移动的粒子以grid（SOP）为partical（SOP）的资源模板，调整后连接【Geo组合+point spirit（MAT)】，在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in（CHOP)鼠标位置到metaball的坐标，实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动

【附源码】基于java的校园停车场管理系统的设计与实现61m0e9计算机毕设SSM_基于java技术的停车场管理系统实现与设计-程序员宅基地

文章浏览阅读178次。项目运行环境配置：Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX（Webstorm也行）+ Eclispe（IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持）。项目技术：Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成，B/S模式 + Maven管理等等。环境需要1.运行环境：最好是java jdk 1.8，我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计

Android系统播放器MediaPlayer源码分析_android多媒体播放源码分析 时序图-程序员宅基地

文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多，会从Java-&amp;amp;gt;Jni-&amp;amp;gt;C/C++慢慢分析，后面会慢慢更新。另外，博客只作为自己学习记录的一种方式，对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图

java 数据结构与算法 ——快速排序法-程序员宅基地

文章浏览阅读2.4k次，点赞41次，收藏13次。java 数据结构与算法 ——快速排序法_快速排序法

推荐文章

热门文章

相关标签