RAG

• 生成式 AI 帮助工程师挖掘隐藏在非结构化数据中的深层洞察

  您是否知道，生成式 AI（GenAI）可以帮助工程师在几秒钟内诊断汽车故障，甚至在设备出现问题之前预测潜在失效？GenAI 正在通过加速数据分析和算法开发，让这些场景从设想走向现实，使工程师能够充分发挥专业知识，挖掘可执行的洞察。 工程团队每年都会产生数 TB 级的数据。根据 Gartner 的估算，其中多达 80% 属于非结构化数据。服务记录、研究论文和技术人员记录中蕴含着关键的组织知识，但由于

  与非网编辑

  844

  02/25 10:00

  传感器 生成式AI
• RAG、GraphRAG 与本体：大模型迈向认知结构化时代

  随着大模型的应用推广，RAG（向量检索增强生成）逐渐向GraphRAG（图检索增强生成）过渡，后者通过引入知识图谱，显著增强了复杂推理能力和可解释性。然而，GraphRAG面临显著的工程挑战，如图构建质量、检索复杂度和成本等问题。本文探讨了RAG、GraphRAG和本体方法在不同任务场景中的适用性和局限性，并提出了HybridRAG作为折衷解决方案。通过可视分析工具，建议采取三步落地路线：建立最小子图闭环、引入约束和证据锚点、实现时间和权限隔离，最终形成可运营的认知系统。

  AI先锋洞察

  4745

  01/12 09:47

  大模型 RAG

  
• 利用CXL优化RAG推理效率

  本文探讨了如何利用CXL内存扩展器优化RAG推理效率，重点在于解决RAG技术中的内存挑战，并介绍了一种基于静态profiling的数据与负载分配优化方案。通过实验验证，在不同场景下，CXL内存扩展器显著提升了推理性能和资源利用率。未来研究将进一步探索动态数据放置策略以优化整体性能。

  智能计算芯世界

  900

  2025/11/12

  CXL RAG

  
• 红帽推出红帽AI 3，将分布式AI推理引入生产级AI工作负载

  红帽混合云原生AI平台简化AI工作流并提供全新强大推理能力，为大规模代理式AI奠定基础，助力IT团队与AI工程师更快、更高效地实现创新 全球领先的开源解决方案提供商红帽公司近日发布红帽AI 3（Red Hat AI 3），标志着其企业级人工智能（AI）平台的重大升级。该平台融合了红帽AI推理服务器、红帽企业Linux AI（RHEL AI）和红帽OpenShift AI的最新创新成果，可简化大规模

  与非网编辑

  1524

  2025/10/15

  NVIDIA 混合云
• 红帽推出红帽高级开发者套件，加速应用开发

  新产品将平台工程工具与增强的安全功能相结合，通过增强功能来加快和简化应用开发，并加快红帽AI技术的采用 全球领先的开源解决方案提供商红帽公司近日宣布推出红帽高级开发者套件（Red Hat Advanced Developer Suite），是红帽OpenShift的强大新成员。红帽OpenShift是由Kubernetes驱动的行业领先混合云应用平台，旨在通过增强功能提升开发者生产力与应用安全性，

  与非网编辑

  774

  2025/05/26

  AI应用 开发者
• 【一文看懂】什么是RAG：让大模型不再死记硬背，而是学会“查了资料再回答”

  随着大语言模型（LLM）在各个行业的广泛应用，我们不断面对一个挑战：如何确保语言模型的回答不仅仅依赖于它的训练数据，还能灵活地访问外部的、最新的知识库。检索增强生成（Retrieval-Augmented Generation，简称RAG）正是为了解决这个问题而应运而生的技术架构。本文将详细介绍RAG的核心定义、技术框架、应用场景、与相似技术的区别，以及它如何为AI系统带来更高效、更智能的答案生成能力。

  超算百科

  3318

  2025/05/08

  大模型 RAG

  
• RAG检索不过关？试试这些优化策略，精准度飙升！

  近来，RAG成了大语言模型的“救命稻草”，可让大语言模型回答更准确、更靠谱。可问题来了，很多 RAG 应用的检索系统还是有点“笨”：要么漏掉关键信息，要么抓回一堆无关紧要的“噪声”，搞得最终答案质量参差不齐。

  写代码的中年人

  1901

  2025/03/26

  大型语言模型 RAG

  
• RAG检索全攻略：Embedding与Rerank模型的终极指南

  在构建基于检索增强生成（RAG）的系统时，Embedding Model和Rerank Model扮演着至关重要的角色。比如你正在搭建一个智能搜索引擎，Embedding Model就像是帮你快速找到相关书籍的“图书管理员”，而Rerank Model则像是一位经验丰富的“资深书评人”，负责从一堆书里精准挑选出最符合你需求的那几本。两者配合，就像一对完美搭档，确保RAG系统既能找到大量信息，又能精准提炼出最关键的内容。

  写代码的中年人

  6948

  2025/03/19

  RAG

  
• GitHub上流行的RAG框架介绍及优缺点分析

  随着大型语言模型在自然语言处理中的广泛应用，其固有的知识截止和“幻觉”问题逐渐暴露。为了解决这些问题，检索增强生成（Retrieval-Augmented Generation，简称 RAG） 技术应运而生。RAG 通过将外部知识库中的相关信息检索出来，并将这些信息融合到生成过程的上下文中，从而大幅提高了回答的准确性、时效性以及上下文一致性。这一方法不仅能克服知识截止问题，还能降低模型产生错误或“胡言乱语”的风险。

  写代码的中年人

  6548

  2025/02/17

  GitHub RAG

  
• DeepSeek点燃国产大模型斗志，RAG等核心技术被重估

  黑马DeepSeek-R1的崛起，给外国网友上演了一场来自东方的震撼。一边，OpenAI和Claude都破了大防，一个声讨“窃取”，一个嘲讽“落后”，两家水火不容的对手竟然以这种戏剧性的方式，鲜有地达成了一致。另一边，微软、亚马逊等云服务厂商，甚至英伟达都开启了“真香”模式，你追我赶地在自家云平台上线DeepSeek-R1。

  量子位

  417

  2025/02/05

  大模型 DeepSeek

  
• 大模型应用开发-走进 RAG 的世界

  在大模型的快速发展中，许多人被 ChatGPT、Claude 等对话模型惊艳得目瞪口呆。然而，我们稍微深挖就会发现，大模型的“超能力”并不总是那么稳定，有时候它可能信心满满地生成错误答案。于是，一个叫 RAG（Retrieval-Augmented Generation） 的技术应运而生，为大模型的应用开发带来了一次质的飞跃。

  写代码的中年人

  3158

  2024/11/21

  大模型 生成式AI

  

正在努力加载...