Pelatihan
Modul
Menerapkan Retrieval Augmented Generation (RAG) dengan Azure Databricks - Training
Menerapkan Retrieval Augmented Generation (RAG) dengan Azure Databricks
Browser ini sudah tidak didukung.
Mutakhirkan ke Microsoft Edge untuk memanfaatkan fitur, pembaruan keamanan, dan dukungan teknis terkini.
Artikel ini menjelaskan bagaimana pembuatan retrieval-augmented memungkinkan LLM memperlakukan sumber data Anda sebagai pengetahuan tanpa harus melatih.
LLM memiliki basis pengetahuan yang luas melalui pelatihan. Untuk sebagian besar skenario, Anda dapat memilih LLM yang dirancang untuk kebutuhan Anda, tetapi LLM tersebut masih memerlukan pelatihan tambahan untuk memahami data spesifik Anda. Pembuatan retrieval-augmented memungkinkan Anda membuat data Anda tersedia untuk LLM tanpa melatihnya terlebih dahulu.
Untuk melakukan pembuatan retrieval-augmented, Anda membuat penyematan untuk data Anda bersama dengan pertanyaan umum tentang hal itu. Anda dapat melakukan ini dengan cepat atau Anda dapat membuat dan menyimpan penyematan dengan menggunakan solusi database vektor.
Saat pengguna mengajukan pertanyaan, LLM menggunakan penyematan Anda untuk membandingkan pertanyaan pengguna dengan data Anda dan menemukan konteks yang paling relevan. Konteks ini dan pertanyaan pengguna kemudian buka LLM dalam perintah, dan LLM memberikan respons berdasarkan data Anda.
Untuk melakukan RAG, Anda harus memproses setiap sumber data yang ingin Anda gunakan untuk pengambilan. Proses dasarnya adalah sebagai berikut:
Umpan balik .NET
.NET adalah proyek sumber terbuka. Pilih tautan untuk memberikan umpan balik:
Pelatihan
Modul
Menerapkan Retrieval Augmented Generation (RAG) dengan Azure Databricks - Training
Menerapkan Retrieval Augmented Generation (RAG) dengan Azure Databricks