![](https://i-blog.csdnimg.cn/direct/7c5e12780cb84de1b4336b0aa54ede87.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Medium精选
文章平均质量分 93
Medium好文精选翻译专栏 —— 这里,我们为您挑选并翻译Medium上的优质文章。每一篇都是智慧的火花,每一次阅读都是心灵的旅行。让我们一起慢下来,品味文字的力量,感受思想的深度。
静愚 AGI
一句话记住我:静水流深,大智若愚。
专注AIGC开发技术分享,立志做到AIGC赛道全网Top。
展开
-
《Advanced RAG》-03-使用 RAGAs + LlamaIndex 进行 RAG 评估
文章首先介绍了 RAG 评估的三个主要部分:输入查询、检索上下文和 LLM 生成的响应。提到了 RAGAs 提出的 RAG 评估指标,包括 Faithfulness、Answer Relevance 和 Context Relevance,以及 RAGAs 网站提供的两个额外指标:Context Precision 和 Context Recall。详细解释了每个指标的计算方法,并提供了一些示例。最后,它介绍了使用 RAGAs 和 LlamaIndex 进行 RAG 评估的主要过程。原创 2024-08-04 17:31:26 · 446 阅读 · 0 评论 -
《Advanced RAG》-02-揭开 PDF 解析的神秘面纱
PDF 文件是非结构化文档的代表,但从 PDF 文档中提取信息是一个具有挑战性的过程。PDF 文件由一系列指令组成,这些指令指示 PDF 阅读器或打印机在屏幕或纸张上显示符号的位置和方式。与 HTML 和 docx 等文件格式不同,后者使用标记来组织不同的逻辑结构。解析 PDF 文档的挑战在于准确提取整个页面的布局,并将内容(包括表格、标题、段落和图像)转化为文档的文本表示。这一过程涉及处理文本提取中的不准确性、图像识别以及表格中行列关系的混淆。原创 2024-08-04 17:22:40 · 604 阅读 · 0 评论 -
《Advanced RAG》-01-朴素RAG存在的问题
文章阐述了RAG技术如何通过整合外部知识源来提升大型语言模型(LLM)的性能,使其能够产生更精确、上下文感知的回应,并减少幻觉现象。自2023年以来,RAG已成为基于LLM的系统中最流行的架构,许多产品依赖此技术。然而,RAG在信息检索、上下文整合等方面存在问题。原创 2024-08-03 22:34:37 · 725 阅读 · 0 评论