Vectara 推出了一个 RAG-as-a-Service 平台，旨在解决检索增强生成系统常见的生产挑战。该平台提供了一个完全托管的管道，从文档摄用到响应生成，利用 Boomerang 等专有模型进行嵌入，Mockingbird 进行生成。一个关键特性是其集成的治理功能，包括幻觉检测和事实一致性检查，目标是在即使有大量文档集的情况下也能实现超过 90% 的答案准确率。另外，一种自动评估 RAG 系统质量的方法已被开发出来，它通过使用评估数据集对跨关键词匹配和文档相关性等维度的响应进行评分，从而超越了手动验证。 AI
影响 Vectara 的托管 RAG 平台旨在简化企业的部署并提高准确性，而新的评估方法则提供了更好的 RAG 系统质量控制。
排序理由 该集群描述了一个新的 RAG-as-a-Service 平台和一种评估 RAG 系统的方法，这些都是用于 AI 开发和部署的工具。
在 dev.to — Claude Code tag 阅读 →
- Apache Software License 2.0
- Boomerang
- HHEM
- Stanford HAI
- Mockingbird
- Palo Alto
- Python
- retrieval-augmented generation
- gemini-embedding-001
- psycopg2
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
