向量数据库
硅谷聚会|和明星公司CEO们讨论“AI+传统行业”的实操与机遇
4月25日晚6点,阿里云北美资深架构师联合硅谷明星公司CEO们讨论AI与传统行业的结合,分享干货和经验。活动地点在Menlo Park,涵盖地产、金融等多行业。
关于打造高质量RAG系统的问题记录
关于RAG在实际场景中的应用,重点讨论了文档处理和高效检索的问题。文档处理涉及多样化和复杂的格式,需要拆分和识别文本、图片和图表等不同内容类型。高效的检索则需利用多种匹配方式(精确字符匹配与语义匹配),通过多路召回策略综合考虑多个维度的数据来优化结果。
RAG101第一课:一个简单的RAG工作流
从这一篇文章开始,我们将正式开启 RAG101 系列教程。我们介绍如何使用 Qwen 模型构建一个简单的 RAG 系统,并包含文档加载、文本拆分、嵌入处理和语义检索等步骤。
怎么提升向量数据库的召回准确率
如何优化向量数据库的召回准确率是关键问题之一,主要从提高向量质量、改进索引结构、优化距离度量、改进查询策略、数据增强与处理、通过反馈机制优化以及多模态融合等方面着手解决。