AI探索时代
影响RAG检索效果的原因有那些？
RAG系统中检索环节存在问题包括数据质量问题、向量化表示、检索方法与算法等多方面因素，文章提出优化建议以提升其性能，如使用高质量嵌入模型、定期更新数据库及调整相似度度量参数等。
再谈大模型长文本分块，以及分块在RAG中的作用？
文本分块技术用于解决长文本处理中的上下文窗口限制问题。在大模型中采用类似阅读厚书的方法进行分块，使用chunk_overlap参数确保相关性。但在向量数据库中检索时，如何保证语义相关性的高效检索成为新挑战。
为什么分块在RAG技术中很重要？但又很没有存在感？
RAG技术涉及多个环节和多种技术，如向量数据库、embedding等。文章强调文本分块（chunk）在RAG中的重要性，分块将长文本切分成小段落便于管理和检索，提高模型处理效率及搜索准确性。
关于大模型的幻觉问题，大模型有可能做到百分之百的准确率吗？
大模型技术已在部分企业应用场景中使用，但其不确定性（幻觉）问题成为限制因素，尤其在医疗、自动驾驶等对准确率要求高的领域。虽然解决幻觉问题是大势所趋，但也有人认为适度的“幻觉”有助于创新和错误带来的新发现。
18家大模型厂商齐聚！全国首部AI知产标准欢迎参编！
中国电子商会启动《生成式人工智能知识产权运营管理指南》团体标准编制，旨在解决AI引发的知识产权新议题。该标准涵盖研发、应用全过程，将于12月中旬召开研讨会，已有多家科技企业参与。