有道QAnything
文章平均质量分 86
有道AI情报局
这个作者很懒,什么都没留下…
展开
-
有道QAnything背后的故事---关于RAG的一点经验分享
近日,我们开源了有道自研的RAG(Retrieval Augmented Generation) 引擎QAnything。该引擎允许用户上传PDF、图片、Word、Excel、PowerPoint等多种格式的文档,并实现类似于ChatGPT的互动问答功能,其中每个答案都能精确追溯到相应的文档段落来源。QAnything 支持纯本地部署,上传文档数量无上限,问答准确率高。QAnything自开源以来,迅速吸引了开发者社区的广泛关注,并很快登上了GitHub trending榜单。原创 2024-03-01 11:21:58 · 1659 阅读 · 0 评论 -
有道开源RAG引擎 QAnything 版本更新啦
QAnything 受到广大开发者的密切关注,开源近两周,star迅速涨到接近2000,昨日QAnything进入到了github的trending版。安装过程更简单,体验更流畅、部署选择更多。原创 2024-01-20 17:07:51 · 586 阅读 · 0 评论 -
完蛋!我把AI喂吐了!
当我们用 RAG 构建一个知识库问答应用的时候,总是希望知识库里面灌的数据越多,问答的效果越好,事实真是如此吗?这篇文章给大家答案。原创 2024-02-07 15:57:36 · 979 阅读 · 0 评论 -
QAnything之BCEmbedding技术路线
有道近日开源了自研RAG引擎QAnything,其携带的自研BCEmbedding模型在实用上极具竞争力,不到一个月已经接近40万次下载。本文介绍BCEmbedding的技术路线的选择和一些思考。原创 2024-02-07 16:01:38 · 1530 阅读 · 0 评论