通用大模型具有强大的语言理解、指令跟随和语言生成能力
LLM的局限性限制了其落地应用
两种核心大模型开发方式,RAG和Finetune
RAG:检索增强生成,通过匹配知识库实现
优点:成本低,可实时更新
缺点:受基座模型影响大,占用大量模型上下文
Finetune:传统自然语言处理算法微调,小训练集轻量级微调
优点:可个性化微调,知识覆盖面广
缺点:成本高,无法解决实时更新
将个性化配置引入到检索问答链中,即可构建个性化RAG应用
通用大模型具有强大的语言理解、指令跟随和语言生成能力
LLM的局限性限制了其落地应用
两种核心大模型开发方式,RAG和Finetune
RAG:检索增强生成,通过匹配知识库实现
优点:成本低,可实时更新
缺点:受基座模型影响大,占用大量模型上下文
Finetune:传统自然语言处理算法微调,小训练集轻量级微调
优点:可个性化微调,知识覆盖面广
缺点:成本高,无法解决实时更新
将个性化配置引入到检索问答链中,即可构建个性化RAG应用