weixin_39060924的博客

原创 RAG多路召回率的提高

百度智能千帆：在检索问答时通过知识点来索引到对应的切片，大模型根据切片内容生成答案，开启知识增强会调用大模型抽取更加丰富的知识点，增加切片的召回率。DIFY的做法：同时执行全文检索和向量检索，并应用重排序步骤，从两类查询结果中选择匹配用户问题的最佳结果，需配置 Rerank 模型 API。RAGFlow的做法：加权求和，缺点较为明显（当其中一种检索方式给出的完全不准确时，会影响到整体的结果）Kimi的做法：增强模型输入的上下文大小，以减少对文档切片的次数。这样会降低匹配中目标切片的难度。