按年被提到
20232024 · 3 次2026
大模型与语言模型›检索增强与知识库·arXiv:2312.10997 · cs.CL

Retrieval-Augmented Generation for Large Language Models: A Survey

面向大语言模型的检索增强生成:综述
Yunfan Gao, Yun Xiong, Xinyu Gao, Kangxiang Jia, Jinliu Pan, Yuxi Bi, Yi Dai, Jiawei Sun, Meng Wang, Haofen Wang · 2023

梳理 Naive、Advanced、Modular 三代 RAG 的综述

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 4 人首次 2023-12-25 · 最近 2024-04-02
4不同的人
4活跃月份
4讨论串
3,380被引(OpenAlex)

LLM 存在幻觉、知识过时和推理过程不透明等问题,检索增强生成(RAG)通过引入外部数据库知识来缓解。该综述梳理了 Naive RAG、Advanced RAG 和 Modular RAG 三种范式,并按检索、生成、增强三部分系统介绍各自的前沿技术,同时介绍最新的评测框架与基准,最后指出当前挑战和未来方向。

HN 为什么提它

HN 评论者把它当作 RAG 的一份不错的概览来推荐。

综述难度 2 / 5约 60 分钟有时效性
读之前最好知道
1大语言模型基础
2向量检索与 embedding
3提示工程(prompt engineering)
4信息检索基础

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐rjzzleep · 2023-12

“This one seems like a good summary”

推荐这篇 RAG 综述,认为是个不错的总结
Ask HN: How do I train a custom LLM/ChatGPT on my own documents in Dec 2023?原评论 ↗
被提交为 story · 3 次