本文从数据科学家的角度来研究检索增强生成(retrieve - augmented Generation, RAG)管道。讨论潜在的“超参数”，这些参数都可以通过实验来提高RAG管道的性能。与本文还将介绍可以应用的不同策略，这些策略虽然不是超参数，但对性能也会产生很大的影响。
本文将介绍以下索引阶段的“超参数”。
- 数据清理
- 分块
- 嵌入模型
- 元数据
- 多索引
- 索引算法
在推理阶段(检索和生成)，可以通过一下策略进行调优:
- 查询转换
- 检索参数
- 高级检索策略
- 评估模型
- llm
- 提示工程
注意，本文涵盖了RAG的文本用例。对于多模式RAG应用程序，可能需要考虑不同的因素。
https://avoid.overfit.cn/post/548ad625830a4645beba60a37a2b59d6
标签：检索,RAG,cn,avoid,overfit,https From： https://www.cnblogs.com/deephub/p/17884521.html