原文地址:Multi-Vector Retriever for RAG on tables, text, and images
2023 年 10 月 20 日
概括
跨不同数据类型(图像、文本、表格)的无缝问答是 RAG 追求的目标之一。我们将发布three new cookbooks,展示在包含混合内容类型的文档上使用 RAG 的多向量检索器。这些cookbooks还提出了一些将多模态 LLM与多向量检索器配对以解锁图像上的 RAG 的想法。
语境
LLM 可以通过至少两种方式获取新信息:权重更新(例如微调)和RAG(检索增强生成),它通过提示将相关上下文传递给 LLM。RAG在 事实 回忆方面具有特殊的前景,因为它将LLMs的推理能力与外部数据源的内容结合起来,这对于企业数据来说尤其强大。