标签
#retrieval
7 篇文章
models
嵌入对比生成：模型做的两件不同的事
嵌入和生成是两份不同的工作。搞清楚你的问题需要哪一个，是通往真正可用系统的最快路径。
#embeddings#generation#retrieval
06-15 11:41·7 分钟
research
从第一性原理理解检索增强生成（RAG）
RAG 常被讲成一堆工具的堆叠。把那些剥掉，它就是一个简单的想法：让模型在回答之前先读到正确的材料。下面讲清楚它究竟如何运作。
#rag#retrieval#embeddings
06-12 14:40·7 分钟
tools
为你的项目选择嵌入模型
挑选嵌入模型，与其说关乎排行榜，不如说关乎契合。这是真正决定检索能否在你的数据和预算下奏效的东西。
#embeddings#retrieval#rag
06-09 12:22·7 分钟
models
为什么模型会有知识截止
模型的知识停在某个日期，是因为它的知识在训练时就被冻结了。本文讲清楚这为何发生，以及工具如何绕过它。
#knowledge-cutoff#training-data#retrieval
05-25 16:26·7 分钟
use-cases
真正管用的文档问答：模式与陷阱
对着自己的文档提问，是最有用的 AI 演示，也是最容易在不知不觉中做错的一个。这里是那些能在真实使用中存活下来的模式。
#document-qa#rag#retrieval
05-20 19:40·7 分钟
tutorials
为检索把文档切好块
检索的好坏取决于它的块。这是如何切分文档，让正确的段落能完整、带着上下文地被取回。
#chunking#retrieval#rag
04-29 19:38·7 分钟
tutorials
搭建一条简单的 RAG 流水线：概念走查
把检索增强生成一段一段地搭起来。没有魔法，不绑定具体技术栈——只讲流水线的形态和那些真正要紧的决策。
#rag#retrieval#embeddings
04-25 19:17·7 分钟