LlamaIndex
文章平均质量分 97
-派神-
每天进步一点点……
展开
-
高级RAG(八): 自动合并检索(Auto-merging Retrieval)
关于自动合并检索评估的方法总结和补充说明:使用不同的文档层次结构参数进行迭代(级别数、子级数)和不同的块大小使用 RAG三元组评估应用程序版本跟踪实验以选择最佳的文档分割的层次结构参数找到关于最适合某些文档类型的超参数(文档层次结构参数)的直觉自动合并检索是对句子-窗口检索的补充原创 2024-01-19 13:24:36 · 1530 阅读 · 1 评论 -
高级RAG(七): 评估句子-窗口检索
今天我们详细介绍了如何使用trulens对LlamaIndex的句子窗口检索结果进行评估,基于成本的考虑我们只进行了两轮评估,从评估的结果上看 Sentence window size =1 似乎是个较为理想的值,因为它的各项指标均由于Sentence window size =3,希望今天的内容对大家学习RAG有所帮助。原创 2024-01-16 13:23:47 · 1249 阅读 · 0 评论 -
高级RAG(六): 句子-窗口检索
Sentence Window Retrieval 是一种检索策略,用于检索与查询相关的文本。它首先检索最相关的句子,然后返回围绕该句子的更广泛的文本,以便为 LLM 提供更广泛的上下文来支撑其响应。原创 2024-01-13 11:35:06 · 1371 阅读 · 0 评论 -
高级RAG(五):TruLens 评估-扩大和加速LLM应用程序评估
今天我们学习了TruLens评估的基本原理,其中包括RAG三元组Context Relevance,Groundedness和Answer Relevance的定义和作用,然后我们又使用llamaIndex开发了基本RAG应用,最后我们使用了TruLens的反馈函数对基本RAG的检索结果进行了评估。希望今天的内容对大家学习RAG有所帮助.原创 2024-01-08 19:03:30 · 1517 阅读 · 1 评论