admin管理员组

文章数量:1130349

大模型——多种RAG组合优化（langchain实现）

这篇文档整合了多种rag优化策略，并且使用langchain实现。可以有效的解决幻觉的问题。

概要

我们将把RAG论文中的想法整合到RAG代理中：

  • • Routing: Adaptive RAG (paper). 将问题路由到不同的检索方法
  • • Fallback: Corrective RAG (paper). 如果文档与查询不相关，则回退到网络搜索
  • • Self-correction: Self-RAG (paper). 修正有幻觉的答案或不回答问题

具体的逻辑图如下：

大致意思为：

1、首先根据问题描述判断是从rag获取信息还是网络搜索

2、如果rag获取的信息中出现幻觉，则重新回到网络进行搜索

3、根据问题和信息生成答案，然后查看答案和问题的资料判断是否有幻觉。

4、最终生成问题的答案。

5、在生成答案的过程中发现内容信息不相关，则会loop回去网络搜索重新生成答案。

大模型——多种RAG组合优化（langchain实现）

这篇文档整合了多种rag优化策略，并且使用langchain实现。可以有效的解决幻觉的问题。

概要

我们将把RAG论文中的想法整合到RAG代理中：

  • • Routing: Adaptive RAG (paper). 将问题路由到不同的检索方法
  • • Fallback: Corrective RAG (paper). 如果文档与查询不相关，则回退到网络搜索
  • • Self-correction: Self-RAG (paper). 修正有幻觉的答案或不回答问题

具体的逻辑图如下：

大致意思为：

1、首先根据问题描述判断是从rag获取信息还是网络搜索

2、如果rag获取的信息中出现幻觉，则重新回到网络进行搜索

3、根据问题和信息生成答案，然后查看答案和问题的资料判断是否有幻觉。

4、最终生成问题的答案。

5、在生成答案的过程中发现内容信息不相关，则会loop回去网络搜索重新生成答案。

本文标签： 组合模型多种RAGLangchain

版权声明：本文标题：大模型——多种RAG组合优化（langchain实现） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://it.en369.cn/jiaocheng/1754769953a2726165.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。