视频总是播放不完整 是太长了吗

非常非常值得一看的来自 LangChain 团队的 RAG 视频：当 LLM 的上下文足够长了就不需要 RAG 了吗？
—— RAG在长上下文大语言模型(LLM)中的应用探讨

随着上下文窗口增至超过100万Token，很多人质疑RAG是否已经过时。我们结合几个最新的项目成果来分析这个问题。我们讨论了长上下文LLM在事实推理和信息检索方

面现有的限制（采用多针索引分析法），同时也探讨了上下文窗口扩展可能带来的RAG应用场景的变化，如文档中心的索引技术和RAG的流程优化。

幻灯片展示：https://docs.google.com/presentation/d/1mJUiPBdtf58NfuSEQ7pVSEQ2Oqmek7F1i4gBwR6JDss/edit#slide=id.g26c0cb8dc66_0_0 

重点参考文献：

1/ 多针索引分析：

https://blog.langchain.dev/multi-needle-in-a-haystack/

2/ RAPTOR研究项目

项目首页：https://github.com/parthsarthi03/raptor/tree/master
视频介绍：https://youtube.com/watch?v=jbGchdTL7d0&t=0s

3/ Dense-X / 多维数据索引技术：

学术论文：https://arxiv.org/pdf/2312.06648.pdf
相关博客：https://blog.langchain.dev/semi-structured-multi-modal-rag/

4/ 长上下文数据嵌入技术：

研究概览：https://hazyresearch.stanford.edu/blog/2024-01-11-m2-bert-retrieval
技术教程：https://together.ai/blog/rag-tutorial-langchain

5/ 自适应RAG：
论文一：https://arxiv.org/abs/2310.11511
论文二：https://arxiv.org/abs/2401.15884
研究动态：https://blog.langchain.dev/agentic-rag-with-langgraph/

0:20 - 上下文窗口正逐渐增大
2:10 - 多针索引挑战
9:30 - RAG的未来变革
12:00 - 查询机制分析
13:07 - 以文档为中心的索引技术
16:23 - 自我反思的RAG模式
19:40 - 总结

🏆AI 生产力工具|营销增长产品专家  ✨Ex：小米海外游戏，360 国内工具  ⭐️全网：AI产品Haijun

来自圈子

AI探索站