请说明检索增强生成(RAG)解决什么问题,以及离线建库与在线检索生成两个阶段的完整流程。
RAG(Retrieval-Augmented Generation,检索增强生成):让大模型回答问题前,先从外部知识库检索相关内容,把检索结果作为上下文交给模型生成答案。
解决的问题:①模型训练数据有截止时间,不知道新知识;②私有领域知识(企业文档)不在训练语料里;③幻觉——无依据地编造;④微调成本高,RAG 只需更新知识库即可"热更新"知识。
离线阶段(建库):
在线阶段(问答):
评估维度:检索质量(召回率/命中率)、答案忠实度(是否基于检索内容)、相关性;常见优化点在切片策略、混合检索与 rerank、元数据过滤。
题目与答案就在本页;收藏、批注和错题重练在应用内