RAG（Retrieval-Augmented Generation），检索增强生成作为提升大模型性能的关键技术之一，目前已经被广泛应用。在提升模型性能、定制模型个性化等方面具有很好的效果
文章目录
RAG技术
- 多数原生大模型可能具有很强的能力，但难以通过精准的问题描述给出准确的答案
- 大模型的分析能力在缺少全面的分析对象时，难以给出很好的分析结果
RAG方案
- 将背景制作生成对应的库。形成检索向量
- 输入问题先经过库的信息拾取，将拾取的信息一并作为背景知识，送入大模型进行分析
RAG结合GCN的应用
- RAG形成的思维库通常是文本类型的或者描述类型的，在处理非结构化数据时常常遇到困境
- 结合GCN，可以快速将不同维度的信息拾取出来。然后将GCN信息通过文本或者类文本的信息统一表达，形成新的信息输出