2024年5月26日 · Advanced RAG的目标是对Native RAG的效果做了进一步优化。 Advanced RAG重点聚焦在检索增强，也即优化Retrieval阶段。 增加了Pre-Retrieval预检索和Post-Retrieval后检索阶段。 本阶段关注的重点是：优化索引结构和原始查询。 目标是提高被索引内容的质量。 这涉及五种主要策略：增强数据粒度、优化索引结构、添加元数据、对齐优化和混合检索。 例如文档分块chunk较大。 理论上粗粒度，能包含更多的相关信息。 但这是一把双刃剑， …

2025年2月18日 · 基础RAG（Naive RAG）：这是最基础的版本，系统只是简单地从知识库中检索相关信息，然后直接将其提供给大语言模型以生成回复。 进阶RAG（Advanced RAG） ：该版本更进了一步。

使用 LlamaIndex 实现高级RAG. 本教程将涵盖以下一系列高级 RAG 技术的选择： 检索前优化：句子窗口检索; 检索优化：混合搜索; 检索后优化：重新排序; 索引优化示例：句子窗口检索

聊天引擎是rag系统中的一个关键组件，它不仅处理用户的直接查询，还能够理解和响应与之前对话上下文相关的内容。通过这种方式，rag系统能够提供更连贯、更自然的对话体验。 查询路由. 查询路由是指针对用户的查询，由llm来决定下一步操作的决策步骤。

2024年2月19日 · The advanced RAG paradigm comprises of a set of techniques targeted at addressing known limitations of naive RAG. This article first discusses these techniques, which can be categorized into pre-retrieval, retrieval, and post-retrieval optimizations .

2024年3月10日 · Advanced RAG strategies have been developed to address the challenges faced by Naive RAG. Below is an overview of key Advanced RAG techniques. RAG applications must efficiently retrieve...

2024年5月14日 · RAG（Retrieval-Augmented Generation）系统是一种结合了检索（Retrieval）和生成（Generation）的机制，用于提高大型语言模型（LLMs）在特定任务上的表现。随着技术的发展，RAG系统经历了几个阶段的演变，包括Naive RAG、Advanced RAG和Modular RAG。_advanced rag

This notebook demonstrates how you can build an advanced RAG (Retrieval Augmented Generation) for answering a user’s question about a specific knowledge base (here, the HuggingFace documentation), using LangChain. For an introduction to RAG, you can check this other cookbook!

2025年1月15日 · In a RAG system, strategically organizing your data in the vector database is a key to efficient retrieval of relevant information to augment the generation process. Here are the types of indexing and retrieval strategies you might consider:

2024年2月19日 · What is Advanced RAG. With the recent advancements in the RAG domain, advanced RAG has evolved as a new paradigm with targeted enhancements to address some of the limitations of the naive...