实体
fixed-size chunking
fixed-size chunking
PulseAugur coverage of fixed-size chunking — every cluster mentioning fixed-size chunking across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
RAG生产策略：结构感知分块和混合检索是关键
生产环境中有效的检索增强生成（RAG）需要超越简单的固定大小分块和基本嵌入。高级技术涉及结构感知分块，以保留语义边界，例如将标题与其内容关联，并避免在表格或代码块内分割。混合检索方法，结合关键词搜索（如BM25）和向量搜索，对于处理涉及特定标识符或代码的查询至关重要，其中倒数排名融合（RRF）是一种稳健的合并策略。此外，重新排序检索到的块和实现查询重写可以进一步提高生成答案的准确性和相关性。
-
新的 RAG 研究增强了 LLM 的检索、遗忘和忠实性
多篇研究论文正在探索检索增强生成 (RAG) 的进展，以提高大型语言模型的性能和效率。Apple 的 CLaRa 框架在连续潜在空间中统一了检索和生成，以实现更好的压缩和端到端优化。其他研究侧重于 RAG 的机器学习遗忘，以删除敏感信息；RAG 的测试时适应，以处理领域转移；以及基于图的匹配，以改进多跳推理。此外，还在开发量化检索器-生成器对齐和抑制模型内部知识的方法，以增强 RAG 系统的忠实性。