ChatGPT中的RAG；大模型微调；通过正确的提问和回答数据进行问答系统的微调；

目录

ChatGPT中的RAG

1.检索器:

2.生成器:

3.结合使用:

大模型微调

通过正确的提问和回答数据进行问答系统的微调

ChatGPT中的RAG

在ChatGPT中，RAG(Retrieval-Augmented Generation)是一种结合了检索与生成的技术，旨在提高模型的回答质量和准确性。

RAG模型通常由两个主要组件组成:检索器和生成器。

1.检索器:

RAG的检索器从一个外部知识库中检索相关信息。这个知识库可以是各种数据源，包括文档集、数据库或互联网信息。具体使用的知识库可能包括:
维基百科:经常用作知识库，因为它包含大量的结构化信息。专用领域文档:针对特定领域(如医学、法律等)可能会使用相应的文档集。企业内部知识库:一些应用可能会接入企业内部的数据源，以提供更符合业务需求的回答

2.生成器:

生成器基于检索到的信息来生成最终的回答。生成器通常是一个大型语言模型(如GPT)，其训练是基于大规模文本数据，能够理解和生成自然语