目录
RAG%E6%8A%80%E6%9C%AF-toc" style="margin-left:0px;">RAG技术
知识库准备
检索相关文本
生成问答
完整代码
本文将基于ChatGLM-6B大模型、Bert预训练模型和RAG完整金融知识库信息抽取任务。
RAG%E6%8A%80%E6%9C%AF">RAG技术
RAG技术，即检索增强生成（Retrieval-Augmented Generation），是一种结合了检索和生成技术的模型。 它通过引用外部知识库的信息来生成答案或内容，具有较强的可解释性和定制能力，适用于问答系统、文档生成、智能助手等多个自然语言处理任务。
RAG模型在生成文本时，首先从一个大规模的知识库或文档集合中进行检索，获取与当前生成任务相关的信息，然后利用这些检索到的信息来辅助生成更加准确、全面和有依据的文本。例如，当回答一个关于新闻事件的问题时，RAG技术会先从新闻资料数据库中检索相关的内容，再基于这些检索结果来生成回答。
RAG技术的优势在于通用性强、可实现即时的知识更新，并且通过端到端评估方法提供更高效和精准的信息服务。它适用于智能问答系统、文本生成任务、语言翻译等应用场景。此外，RAG技术能够利用外部的知识源来增强模型的生成能力，减少生成内容的偏差和错误，提高生成质量和可靠性。
知识库准备
