近年来，检索增强生成（RAG）技术重新定义了AI模型的工作方式，将生成式AI的创作能力与检索真实世界数据的精确性结合在一起。通过从外部数据源提取相关信息，RAG 使AI能够生成更加准确且上下文相关的响应。
前排提示，文末有大模型AGI-CSDN独家资料包哦！
随着这项技术的不断发展，RAG 也衍生出多种变体，每种变体针对不同的挑战，进一步提升了AI的整体性能。在本文中，我将深入探讨六种关键的RAG技术，重点说明它们如何通过各自独特的方法提升AI生成内容的质量。
Simple RAG
在 Simple RAG 中，LLM 接收用户查询，在向量存储中执行相似性搜索或在知识图谱中执行关系搜索，然后根据检索到的信息生成响应。
以下是它的工作原理：
用户查询：用户提供查询或输入，并将其输入到系统的检索部分。
搜索与检索：模型在向量存储或知识图谱中搜索相关文档或文本，检索器根据相关性对文档进行排名，并选择前 k（例如前 5）个最相关的段落。
响应：所选的文档将传递给大型语言模型（LLM），后者利用这些文档作为上下文，为用户的查询生成格式正确且相关的响应。
Corrective RAG
在 Corrective RAG 中，系统不仅检索和生成响应，还验证和纠正它们。
以下是该过程的工作原理：
搜索和检索：与 Simple RAG 类似，系统根据查询检索相关文档。
评分：将检索到的上下文与受信任的数据集（如测试集或具有预定义规则的提示）进行比较。此步骤的方法会根据项目目标的不同而有所变化。
更正：如果在评分过程中发现任何不准确或不一致之处，模型将通过从查询中提取的关键字进行 Web 搜索，以生成新的响应或优化之前的响应。
Self RAG
自我 RAG 通过自我反思或自我批评来提高 RAG 结果的质量。
以下是该过程的工作原理：
搜索和检索：模型首先通过输入的查询检索相关信息，并生成响应。
评分：为了对文档进行评分或评估，LLM 会对每个答案进行分析，判断其是否与查询相关。如果文档不相关，模型将使用外部来源；如果相关，模型会检查幻觉现象和准确性。
幻觉检查：幻觉节点会检查答案是否有文档支持。有时，AI 模型会“产生幻觉”，即生成看似正确但实际上没有真实数据或文档支持的答案。幻觉节点通过确保模型的响应有文档支持来避免这种情况，确保答案的准确性和可靠性。
回答问题：回答问题节点会检查生成的答案是否确实回答了问题。它会查看生成的响应，检查其在回答原始问题时是否相关且完整。如果不符合要求，模型会改进或调整答案，以确保其准确性。
输出：随着每次迭代，模型生成的响应会更加准确且符合上下文。迭代次数取决于项目规模和可用的处理能力。
读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
👉AI大模型学习路线汇总👈
大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓