導讀《LightRAG-Simple and Fast Retrieval-Augmented Generation》論文,解析其結合知識圖譜與雙層檢索策略的高效 RAG 架構設計與應用。
導讀《Re2G-Retrieve, Rerank, Generate》論文,剖析其檢索增強生成(RAG)架構設計,重排序策略與知識蒸餾訓練方法。
系統性比較 Naive RAG、Advanced RAG 與 Modular RAG 三種檢索增強生成(RAG)架構,解析其組成、技術細節、應用場景與優劣,協助選擇最適合的 RAG 解決方案。
A Survey on RAG Meeting LLMs Towards Retrieval-Augmented Large Language Models
以 LangChain 記憶型檢索問答實現《小王子》文本互動
本文介紹如何利用 Docker 建立可用於資料科學與開發的 Jupyter Notebook 容器環境,包含安裝、設定與常見應用情境。
本文介紹 LangChain 中 Data Connection 的定義、方法。