![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
大模型-RAG
大模型检索问答,包括检索器、生成器和外部信息源等工作
大模型任我行
大模型探索者,每日论文分享,追踪技术前沿!之前的几百篇论文分享都在xhs(https://www.xiaohongshu.com/user/profile/61d5aec7000000001000568c),欢迎点赞收藏!
展开
-
谷歌:长上下文LLM和RAG相结合
在长上下文理解任务中,检索增强生成(RAG)和长上下文(LC)大语言模型(LLM)的性能和计算成本如何权衡?论文提出了一种结合RAG和LC的混合方法SELF-ROUTE,显著降低了成本同时保持了与LC相当的性能。原创 2024-08-21 16:25:34 · 112 阅读 · 0 评论 -
北大:偏好优化提升LLM在RAG的知识感知
如何优化检索增强语言模型遇到的知识冲突,导致模型的响应混乱?论文提出了一种知识感知偏好优化框架KaPO,通过偏好优化方法避免上下文中的错误信号,增强了LLM的遵循能力和噪声鲁棒性。原创 2024-08-21 14:03:06 · 93 阅读 · 0 评论