| 失效链接处理 |
|
大模型 RAG 经验面 PDF 下载
相关截图：
 主要内容： 一、LLMs 已经具备了较强能力了，存在哪些不足点?
在 LLM 已经具备了较强能力的基础上，仍然存在以下问题：
• 幻觉问题：LLM 文本生成的底层原理是基于概率的 token by token 的形式，因此会不可避免地
产生“一本正经的胡说八道”的情况；
• 时效性问题：LLM 的规模越大，大模型训练的成本越高，周期也就越长。那么具有时效性的数
据也就无法参与训练，所以也就无法直接回答时效性相关的问题，例如“帮我推荐几部热映的电
影？”；
• 数据安全问题：通用的 LLM 没有企业内部数据和用户数据，那么企业想要在保证安全的前提下
使用 LLM，最好的方式就是把数据全部放在本地，企业数据的业务计算全部在本地完成。而在
线的大模型仅仅完成一个归纳的功能；
二、什么是 RAG?
RAG（Retrieval Augmented Generation, 检索增强生成），即 LLM 在回答问题或生成文本时，先
会从大量文档中检索出相关的信息，然后基于这些信息生成回答或文本，从而提高预测质量。
|
苏公网安备 32061202001004号
