AIGC动态欢迎阅读

原标题：浅谈RAG的十大挑战
关键字：模型,向量,领域,问题,知识
文章来源：算法邦
内容字数：0字

内容摘要：

直播预告 | 6月6日晚7点，「智猩猩AI新青年讲座」第238讲正式开讲，香港大学CVMI Lab在读博士杨霁晗将直播讲解《V-IRL：根植于真实世界的AI Agents》，欢迎扫码报名~导读本文来自知乎，主要总结了RAG面临的十个挑战。作者为王磊，是华为AI应用平台/云原生架构师。
本文只做学术/技术分享，如有侵权，联系删文。
原文链接：https://zhuanlan.zhihu.com/p/696904158‍‍01背景介绍ChatGPT的火爆问世，让人们对问答机器人重拾了信心，有了大模型的加持，ChatGPT还成功通过了谷歌的编程面试。普通大众可以借助ChatGPT完成日常问答、翻译、文本生成、文本分类等多种任务。但是如果直接拿它来回答专业领域的问题，可能就不那么尽如人意了。问题主要表现在：
依赖大模型的内在知识，已有的内容可能过时或者来自非权威的来源，还容易产生大量幻觉等。
如果尝试对大模型进行微调，其参数量大，微调成本非常高，还容易出现过拟合的现象。
而检索增强生成（Retrieval Augmented Generation，RAG）通过将检索技术和大模型的结合，能很好地

原文链接：浅谈RAG的十大挑战

联系作者

文章来源：算法邦
作者微信：allplusai
作者简介：智猩猩矩阵账号之一，聚焦生成式AI，重点关注模型与应用。