探索 RAG 在开发复杂 LLM 中的作用。在 2022 年之前，如果你想快速回忆你最喜欢的书中的某个特定段落或你刚看过的电影中的一句台词，而又不想让作品本身摆在你面前，你可能会求助于搜索引擎。你会用精心设计的搜索输入提示它，解析返回的结果，访问似乎包含你的答案的 SparkNotes 或 IMDB 链接，并在几分钟内在页面上找到你要查找的文本。现在，你只需打开 ChatGPT，输入“终结者最著名的台词是什么？”或“写出《双城记》的开场白”，几秒钟内就能得到你的逐字答案。 大型语言模型 (LLM) 最简单的用途之一是作为知识数据库。LLM 已在包含丰富信息的海量数据集上进行训练，而 ChatGPT 等接口可轻松检索这些信息。例如，当您提示 ChatGPT 返回电影或书籍的内容时，您只是在利用模型回忆其在训练期间接触过的信息的能力。但是，如果它没有接受《终结者》剧本的训练，或者它的权重不重视狄更斯的作品，该怎么办？为了为最简单的用例（例如基本信息检索）提供最准确和最相关的结果，LLM 需要复杂的索引和检索机制，以便精确访问广泛的信息。了解 LLM 内容生成和培训LLM 内容是通过称...