第296章 昏迷 (1/4)

2.3

检索增强生成技术

rag（retrieval-augmented

generation）技术是一种结合了信息检索（retrieval）和文本生

成（generation）的自然语言处理（nlp）方法。核心思想是将传统的检索技术与现代的自然语言

生成技术相结合，以提高文本生成的准确性和相关性。它旨在通过从外部知识库中检索相关信息来

辅助大型语言模型（如

gpt

系列）生成更准确、可靠的回答。

在

rag

技术中，整个过程主要分为三个步骤如图

2.2

所示：索引（

indexing）、检索

（retrieval）和生成（generation）。首先，索引步骤是将大量的文档或数据集合进行预处理，将

其分割成较小的块（c混k）并进行编码，然后存储在向量数据库中。这个过程的关键在于将非结

构化的文本数据转化为结构化的向量表示，以便于后续的检索和生成步骤。接下来是检索步骤，它

根据输入的查询或问题，从向量数据库中检索出与查询最相关的前

k

个

c混k。这一步依赖于高效

的语义相似度计算方法，以确保检索到的

c混k

与查询具有高度的相关性。最后是生成步骤，它将

原始查询和检索到的

c混k

一起输入到预训练的

transformer

模型（如

gpt

或

bert）中，生成最

终的答案或文本。这个模型结合了原始查询的语义信息和检索到的相关上下文，以生成准确、连贯

且相关的文本。

rag

的概念和初步实现是由

douwe