检索增强生成-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 5208 篇文章
累计创建 1860 个标签
累计收到 0 条评论

目录CONTENT

以下是检索增强生成相关的文章

2026-02-10
New Relic 利用 AWS 生成式 AI 变革生产力新 Relic 借助 AWS 生成式 AI 服务，构建了 New Relic NOVA 智能助手，成功将内部信息搜索时间缩短了 95%，并实现了复杂运营工作流程的自动化。本文深入探讨了其基于 Amazon Bedrock、Amazon Kendra 等服务的技术架构、开发历程以及关键的 RAG 优化策略。
- 2026-02-10
- 0
- 0
- 0
2026-02-10
UniR-G：使用多模态强化学习扩展医学成像报告生成本文介绍了UniR-G，一种利用多模态强化学习技术革新医学成像报告生成的新方法。UniR-G旨在通过结合视觉和文本信息，实现更精确、更全面的报告生成，显著提升医疗诊断效率。
- 2026-02-10
- 0
- 0
- 0
2026-02-06
Amazon Nova 多模态嵌入的实用指南本文深入介绍了Amazon Nova多模态嵌入模型的实用指南，涵盖了如何利用该模型简化架构、优化性能、处理跨模态搜索等。通过具体用例和参数配置解析，帮助您为媒体搜索、电子商务发现和智能文档检索构建高效的解决方案。
- 2026-02-06
- 0
- 0
- 0
2026-02-05
使用检索增强型语言模型合成科学文献本研究介绍了OpenScholar，一个专门用于科学文献合成的检索增强型大型语言模型（LLM）。它能从4500万篇开放获取论文中识别相关段落，生成带有引用的综合性回答。OpenScholar-8B在多论文综合任务上超越了GPT-4o，且在引用准确性上达到了专家水平，全面开源所有工件。
- 2026-02-05
- 0
- 0
- 0
2026-02-05
使用检索增强型语言模型合成科学文献面对爆炸式增长的科学文献，研究人员难以保持信息同步。本文介绍了 OpenScholar，一个专用的检索增强型语言模型（RALM），它通过检索 4500 万篇开放获取论文来回答科学查询并生成有引文支持的综述。OpenScholar-8B 在多篇论文综合任务上的正确率超越了 GPT-4o，且引文准确率与人类专家相当，展示了其在科学文献合成领域的巨大潜力。
- 2026-02-05
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2026-02-05
Nemotron 实验室：AI 智能体如何将文档转化为实时商业智能本文探讨了如何利用基于 NVIDIA Nemotron 开源模型的 AI 智能体技术，实现智能文档处理（IDP），将海量非结构化文档转化为实时商业洞察。我们将深入了解 Nemotron 在科研、金融和法律工作流中的应用，以及它如何通过 RAG 和多智能体系统提升数据提取和分析的准确性与效率。
- 2026-02-05
- 0
- 0
- 0
2026-02-05
利用生成式AI加速营销构思——第2部分：从历史参考资料生成定制营销图像本文深入探讨如何通过集成Amazon Bedrock、AWS Lambda和Amazon OpenSearch Serverless，利用历史营销活动资产来增强生成式AI图像创建能力。通过对历史图像进行元数据富集、向量化和语义搜索，系统能够保持品牌一致性，并根据过去的成功经验为新活动生成定制化、高效的营销图像。
- 2026-02-05
- 0
- 0
- 0
2026-01-23
PDI 如何利用 AWS 构建企业级 RAG 系统以支持 AI 应用本文深入探讨了PDI Technologies如何利用AWS的无服务器技术构建企业级的检索增强生成（RAG）系统PDIQ。该系统解决了企业知识分散的难题，通过灵活的爬虫和Amazon Bedrock，实现了安全、可扩展的AI知识助手，并将用户满意度提升至79%。
- 2026-01-23
- 0
- 0
- 0
2026-01-16
当行业知识与 Pike RAG 相遇：Signify 客户服务提升背后的创新本文探讨了微软研究人员如何将行业专业知识与Pike RAG技术相结合，成功为Signify（昕诺飞）客户服务带来了显著提升。通过利用先进的检索增强生成（RAG）系统，并结合自动化基准测试（BenchmarkQED），企业得以更精准地利用专业文档，为客户提供高效、准确的支持体验。
- 2026-01-16
- 0
- 0
- 0
2026-01-08
数据科学的7个顶级n8n工作流模板探索7个开箱即用的n8n工作流模板，这些模板能显著加速数据科学家的工作流程。通过这些预设的自动化流程，您可以快速实现数据分析、抽取、转换，并构建可靠的知识库，无需从零开始编写复杂的集成代码。模板涵盖了从股票基本面分析、AI驱动的技术分析，到使用OpenAI和Pinecone构建可搜索的RAG知识库等关键任务，极大提升了数据处理和报告生成的效率。
- 2026-01-08
- 1
- 0
- 0
2026-01-01
当行业知识与Pike RAG相遇：Signify客户服务提升背后的创新本文深入探讨了微软研究院与Signify（飞利浦照明）合作，利用Pike RAG框架革新客户服务的案例。通过将深厚的行业专业知识与先进的检索增强生成技术相结合，Signify成功将平均问题解决时间缩短了30%，显著提升了客户满意度。
- 2026-01-01
- 0
- 0
- 0
2025-12-23
超越思维链：在 Amazon Bedrock 上使用“草稿链” 随着企业扩展生成式AI的部署，平衡质量、成本和延迟成为关键挑战。本文深入探讨了“草稿链”（Chain-of-Draft, CoD）这一创新提示技术，它能显著减少高达75%的Token使用量和超过78%的延迟，同时保持与传统思维链（CoT）相当的准确性。通过在Amazon Bedrock和AWS Lambda上的实际部署，我们将展示如何优化LLM交互成本和提升响应速度。
- 2025-12-23
- 1
- 0
- 0
2025-12-16
当行业知识与Pike RAG相遇：Signify客户服务提升背后的创新本文深入探讨了微软研究人员如何与Signify合作，将行业专业知识与Pike RAG（检索增强生成）系统相结合，显著提升了Signify的客户服务效率。探索他们如何利用检索技术解决复杂的照明产品支持问题，实现智能化和个性化的客户交互体验。
- 2025-12-16
- 0
- 0
- 0
- AI行业应用
- AI工具应用
2025-12-05
《芝加哥论坛报》起诉 Perplexity 《芝加哥论坛报》已对人工智能搜索引擎 Perplexity 提起版权侵权诉讼。该报指控 Perplexity 不仅使用其受版权保护的内容进行模型训练，还通过其检索增强生成（RAG）系统直接提供逐字摘要，甚至利用 Comet 浏览器绕过付费墙。此次诉讼标志着媒体版权保护战的又一重要进展。
- 2025-12-05
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-12-04
Visual Haystacks：回答关于图像集合的更难问题本文介绍了“Visual Haystacks (VHs)”基准测试，用于评估大型多模态模型（LMM）在处理长上下文视觉信息（多图像问答，MIQA）方面的能力。研究发现现有LMM在视觉干扰、多图像推理和信息位置敏感性方面存在显著不足。为解决这些问题，研究人员提出了“MIRAGE”框架，一个基于检索增强生成（RAG）的解决方案，并在多个任务上实现了最先进的性能。
- 2025-12-04
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2025-12-03
当行业知识与 Pike RAG 相遇：Signify 客户服务提升背后的创新根据提供的HTML片段，核心文章内容缺失。片段中仅包含一张关于查询类别的图示，以及一篇关于“BenchmarkQED：RAG系统自动化基准测试”的链接。无法基于此信息提取Signify客户服务提升的详细内容。
- 2025-12-03
- 1
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-12-02
上下文工程是新的提示词工程人工智能的控制前沿正从精妙的提示词措辞转向设计更具深度的环境。上下文工程通过整合数据、元数据、记忆和叙事结构，取代了易出错的提示词工程，成为构建连贯、一致AI工作流的关键。这种范式转变意味着我们不再专注于编写“魔咒”般的指令，而是通过构建稳定的基础设施，比如检索增强生成（RAG）和分层记忆系统，确保模型推理过程的准确性和持久性。上下文工程是AI可靠性的未来基石，它将AI的关系从简单的命令转变为真正的协作。
- 2025-12-02
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-11-21
MSD探索利用AWS服务改进偏差管理流程中的生成式AI应用 MSD（默克）的数字制造数据科学团队正探索如何利用生成式AI和AWS服务（如Amazon Bedrock和OpenSearch）来优化其严格的偏差管理流程。该创新方法旨在将历史偏差报告转化为智能知识库，通过混合检索增强生成（RAG）架构，加速新偏差的调查、分析和解决，同时确保符合GMP标准。
- 2025-11-21
- 0
- 0
- 0
2025-11-21
人工智能生成性模型与“记忆”研究的进展人工智能研究正聚焦于如何让大型语言模型（LLM）具备长期记忆能力，以解决当前模型缺乏上下文连贯性的局限。研究人员通过模仿人类大脑的记忆机制，开发出新的算法来提升模型的学习和检索能力。这种进展有望使得AI系统能够处理更复杂的、需要跨越长时间段信息的任务，极大地拓宽了人工智能的应用边界，特别是在需要个性化、持续交互的场景中。
- 2025-11-21
- 0
- 0
- 0
- AI基础/开发
- AI新闻/评测
2025-11-20
当行业知识与 Pike RAG 相遇：Signify 客户服务提升背后的创新本文深入探讨了微软研究院与Signify合作，如何通过结合行业知识与Pike RAG框架，显著提升照明巨头的客户服务效率与准确性。该方案通过多阶段检索和查询重写，实现了对复杂技术查询的精确响应，并将模型幻觉率降低。
- 2025-11-20
- 0
- 0
- 0

1
2