前言：
上一章，我们介绍了RAG在很多行业中的情况
本章，我们介绍RAG2.0的概念
语言模型取得了惊人的进步，但也存在重大缺陷。解决这些缺陷的方法之一是检索增强。关于检索增强生成 (RAG) 管道的文章已经很多，这项技术非常酷。但今天，我们更进一步，真正探索 RAG 技术的未来发展方向。如果我们可以创建具有可训练检索器的模型，或者简而言之，整个 RAG 管道都可以像微调 LLM 一样进行自定义，会怎么样？当前 RAG 的问题在于，它们在子模块中没有完全协调，就像弗兰肯斯坦怪物一样，虽然可以工作，但各个部分并不和谐，并且整体性能不佳。因此，为了解决 RAG 的所有问题，让我们深入研究 RAG 2.0。
知识点：
- RAG2.0
- 向量数据库
剩余内容需解锁后查看
RA/SD 衍生者AI训练营。发布者：chris，转载请注明出处：https://www.shxcj.com/archives/2935
