网站建设介绍书2018年网站开发语言

网站建设介绍书,2018年网站开发语言,在线制作简历网站,商会网站设计本文分享了一个智能问答系统的开发优化过程。针对三个不同子场景的智能问答需求#xff0c;作者最初采用纯RAG技术建立三个知识库#xff0c;但效果不佳#xff0c;出现场景判断不清和召回率低的问题。后通过重新思考#xff0c;改为按数据类型建立两个知识库#xff08;结…本文分享了一个智能问答系统的开发优化过程。针对三个不同子场景的智能问答需求作者最初采用纯RAG技术建立三个知识库但效果不佳出现场景判断不清和召回率低的问题。后通过重新思考改为按数据类型建立两个知识库结构化与非结构化并实现条件查询和相似度查询两个工具让模型根据需求自主选择。此方案简化了技术实现大幅提升了系统效果解决了场景区分和混合数据查询问题。“大模型应用开发流程正确但结果不一定正确。”由于大模型技术的复杂性再加上不同业务场景的特殊需求导致大模型应用的开发难度很大但大模型应用开发最难的不是做出来而是要做好。这次还以作者手里的智能问答项目来说记录一下智能问答系统的踩坑记录从怎么都达不到想要的效果到能够很好的满足业务场景。从作者这些年的开发经验来看很多时候开发技术栈是有限的遇到问题更多的是思路问题而不是纯粹的技术问题。智能问答系统的优化方案在介绍解决方案之前先来再简单介绍一下项目背景。作者手里的这个项目是一个智能问答场景但根据业务类型又区分为三个不同的子场景并分别对应三种不同的知识问答。业务需求上要求这三个子场景使用同一个入口并最好能不需要人工区分场景(如三个子菜单或下拉框)能够让系统根据问题智能判断不同的场景并选择不同的文档。业务架构如下所示但这里有几个问题场景1和场景2除了知识文档不同其它的都很相似文档类型也都是wordpdf这种非结构化数据但场景3比较特殊它的主要功能是查数据而且文档类型是结构化非结构化数据。说到场景3可能有些人不是很理解这有什么特殊的地方下面我们就来解释一下场景3的特殊点。先说查数据在之前的文章中有提到过查数据这个问题在RAG增强检索中检索和增强是分开的并且没有限制检索的方式是相似度语义检索还是基于传统的数据库结构化检索。但在基于自然语言的对话中如果使用相似度语义检索很简单直接把问题和知识转换成向量然后进行相似度匹配就行了但如果要使用传统的条件筛选这就需要使用智能体(agent)技术了。所以这个就是基于语义检索的缺陷问题无法实现条件匹配而智能体可以让模型理解用户的问题然后生成查询条件调用接口或生成SQL进行条件检索。第二个问题是场景3的知识文档是结构化数据非结构化数据结构化数据需要使用条件筛选非结构化数据需要使用语义匹配这样才能达到最好的效果虽然理论上把结构化数据转换成markdown或html格式也可以实现相似度检索但这种方式在实操检验中效果并不好。所以说怎么用技术解决这个问题技术架构应该怎么做刚开始由于业务需求不明确也没现在这么复杂并且对业务和技术了解不深所以作者选择的是使用纯RAG技术解决来实现这个功能并且基础的技术架构是根据三个子场景创建三个不同的知识库也就是三张表(数据量不大也就几万条)。技术架构如下所示是通过把非结构化数据转换成markdown这种半结构化数据保存到向量库中而结构化数据采用markdown元数据的方式进行保存。但是经过实测发现这种效果很差用户那边一直反馈效果不理想甚至会胡编乱造而从技术的角度来看就是文档召回率和准确率都不足虽然使用了很多种召回优化的手段但都没有达到想要的效果特别是三个场景区分不清楚。这时作者区分三个子场景的实现原理是根据用户问题先去三个知识库中分别检索相关数据然后再重排序之后找到其中相关性最高的这个文档在哪个知识库就是那个子场景。但由于文档召回率和准确率不足导致场景判断也出现偏差。所以这时想的是既然纯RAG或者说相似度检索解决不了问题那么我们就用智能体去解决。但说起来简单但等到真正把技术和业务结合的时候才发现好像远远没有那么简单。首先的问题就是设计几个智能体从哪个维度设计智能体如果给每个场景都单独设计一个智能体那在不主动区分场景的情况下我怎么知道调用那个智能体呢如果从场景的维度的维度设计智能体那怎么解决相似度查询和条件查询的问题工具上怎么设计怎么实现怎么匹配这个问题大家可以先思考一下然后再看下面的解决方案。所以现在新的解决方案是什么样的呢解决方案首先作者刚开始就陷入了一个思维误区那就是知识库为什么要根据三个场景建立三个知识库不能从其它维度建立知识库吗既然三个场景无法区分并且知识文档分为结构化和非结构化文档并且只有第三种场景才有结构化文档那么我们就可以从结构化和非结构化的角度来建立知识库。因此作者就创建了两个知识库一个知识库用来保存第三种场景的结构化数据这样就可以完全使用条件查询或者组合条件(标量)查询和相似度查询而另外一个知识库专门用来保存非结构化文档并且使用type字段来区分三种不同的场景。这样业务逻辑就简单多了而且实现智能体时也简单多了只需要实现两个工具即可一个是条件查询工具另一个是相似度查询工具简单来说就是两个知识库各实现一个查询工具即可。然后在工具介绍中告诉模型需要查数据的使用条件查询工具需要匹配概念语义的使用相似度查询工具。这样在调用相似度查询工具时再根据工具的返回结果中的type字段来判断到底属于哪个子场景。如下图所示这样就完美解决了结构化文档和非结构化文档的混合查询问题以及不同场景的判断问题。最重要的是其在技术实现上也变得简单了好多。而且经过实际测试其效果远比之前的纯相似度检索效果要好上许多。如何学习AI大模型 “最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】CSDN粉丝独家福利这份完整版的 AI 大模型学习资料已经上传CSDN朋友们如果需要可以扫描下方二维码点击下方CSDN官方认证链接免费领取【保证100%免费】读者福利CSDN大礼包《最新AI大模型学习资源包》免费分享 安全链接放心点击对于0基础小白入门如果你是零基础小白想快速入门大模型是可以考虑的。一方面是学习时间相对较短学习内容更全面更集中。二方面是可以根据这些资料规划好学习计划和方向。1.大模型入门学习思维导图要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。对于从来没有接触过AI大模型的同学我们帮你准备了详细的学习成长路线图学习规划。可以说是最科学最系统的学习路线大家跟着这个大的方向学习准没问题。全套教程文末领取哈2.AGI大模型配套视频很多朋友都不喜欢晦涩的文字我也为大家准备了视频教程每个章节都是当前板块的精华浓缩。3.大模型实际应用报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。全套教程文末领取哈4.大模型实战项目项目源码光学理论是没用的要学会跟着一起做要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战项目来学习。全套教程文末领取哈5.大模型经典学习电子书随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。全套教程文末领取哈6.大模型面试题答案截至目前大模型已经超过200个在大模型纵横的时代不仅大模型技术越来越卷就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道我总结了大模型常考的面试题。全套教程文末领取哈为什么分享这些资料?只要你是真心想学AI大模型我这份资料就可以无偿分享给你学习我国在这方面的相关人才比较紧缺大模型行业确实也需要更多的有志之士加入进来我也真心希望帮助大家学好这门技术如果日后有什么学习上的问题欢迎找我交流有技术上面的问题我是很愿意去帮助大家的这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。CSDN粉丝独家福利这份完整版的 AI 大模型学习资料已经上传CSDN朋友们如果需要可以扫描下方二维码点击下方CSDN官方认证链接免费领取【保证100%免费】读者福利CSDN大礼包《最新AI大模型学习资源包》免费分享 安全链接放心点击