RAG

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

RAG(Retrieval-Augmented Generation),是一种结合信息检索(IR)和生成式模型的技术框架。

RAG(Retrieval-Augmented Generation),是一种结合信息检索(IR)和生成式模型的技术框架。收起

查看更多
  • 智能体 AI 加持,Arm Metis 升级软件安全漏洞检测能力
    作为开源的智能体 AI 安全框架,Arm Metis 支持大规模 AI 驱动的上下文安全分析,助力更早识别软件漏洞、节省时间与成本 人工智能 (AI) 时代,现代软件系统依托日趋复杂的代码库、开发框架、运行时环境与程序库而建。随着这类系统的规模化落地,其产品交付前的安全漏洞识别难度也与日俱增。 为应对这一挑战,Arm 产品安全团队研发了 Metis 开源项目——一款专为规模化代码库识别复杂安全隐患
    202
    16小时前
    智能体 AI 加持,Arm Metis 升级软件安全漏洞检测能力
  • AI大模型底层原理全解析:从发展史、Transformer到RAG、Agent核心机制
    AI 是如何工作的?你以为 AI 像是百度搜索一样的,更准的内容检索吗?但恰恰相反,AI 是一点也不会检索,而是文字接龙,从一个字/词(token)预测下一个字/词(token)。那凭直觉预测(温度),AI 不得是个大傻子?咋那么准呢?
    955
    05/25 16:09
    AI大模型底层原理全解析:从发展史、Transformer到RAG、Agent核心机制
  • 字节面试题|Claude Code不用RAG用grep?底层设计哲学 + 源码解析
    Claude Code 不用 RAG 是基于三层考虑:代码场景下 RAG 有切片破坏结构、向量近似不准、索引滞后等本质问题;Claude Code 用 Grep 加 Glob 加 Read 三件套加上派子 agent 探索的设计,本质上是把检索决策权还给 LLM 自己,配合多轮迭代循环实现精准定位;更深层是 Anthropic 信任 LLM 的能力,押注模型会越来越强,所以选择“不替模型做决定”的设计哲学
  • 一文搞懂GraphRAG和LightRAG:选型、难点、增量更新实战教程
    上一篇讲的是「传统 RAG」(也叫 Naive RAG),核心思路是:把文档切成块(Chunk)→ 做向量化(Embedding)→ 存入向量数据库 → 查询时基于语义相似度检索 Top-K 个文本块 → 塞给大模型生成答案。
    2643
    04/23 10:22
    RAG
    一文搞懂GraphRAG和LightRAG:选型、难点、增量更新实战教程
  • 多模态大模型+RAG的行业巡检缺陷智能识别与诊断系统平台
    应用案例 北京华盛恒辉科技和北京五木恒润科技推出的多模态大模型与RAG融合的行业巡检缺陷智能识别与诊断系统,广泛适用于各行业等领域,可出色完成多模态大模型与RAG融合的行业巡检缺陷智能识别与诊断系统重构任务。可以针对不同用户实际使用场景需求定制。 一、技术原理:多模态大模型与RAG协同机制 多模态大模型:融合文本、图像、视频、音频、时序信号(如振动、温度)等多源数据,通过模态编码器将异构信息映射至