Bu tarayıcı artık desteklenmiyor.
En son özelliklerden, güvenlik güncelleştirmelerinden ve teknik destekten faydalanmak için Microsoft Edge’e yükseltin.
Alma artırılmış neslin (RAG) ana amacı nedir?
Kaynak bilgiler değiştiğinde dil modelini yeniden eğitmek için.
Oluşturulan yanıtları bir veri kaynağından alınan ilgili bilgilerle temel almak için.
Dil modelini arama motoruyla değiştirmek için.
Büyük belgeler neden dizine alınmadan önce genellikle öbeklere ayrılır?
Böylece çözüm, bir istem içine verimli bir şekilde sığan odaklanmış pasajları alabilir.
Bu nedenle her öbek ayrı bir dil modelini eğitmek için kullanılabilir.
Bu nedenle, özgün belgelerin artık depolanması gerekmez.
Ekleme işlemi RAG çözümünde neyi temsil eder?
İçeriğin anlamsal özelliklerini yakalayan sayısal bir vektör.
Modelin davranışını tanımlayan yönergeler kümesi.
Bir kullanıcı için oluşturulan son yanıt.
Sorguda sözcükler farklı olsa bile "iş seyahati giderleri" sorulduğunda hangi arama yaklaşımı "şirket seyahat maliyetleri" hakkında bir bölüm bulabilir?
Anlamsal vektör araması.
Tam bir dosya adı eşleşmesi.
Rastgele belge seçimi.
RAG yanıtı akıcıdır ancak yanlış bir ilke sınırı içerir. Önce nelerin incelenmesi gerekir?
Doğru ve geçerli ilke geçişinin alınıp alınmadığı ve bağlam olarak sağlanıp sağlanmadığı.
Dil modelinin daha uzun bir yanıt üretip üretemeyeceği.
İsteme daha fazla ilgisiz belge eklenip eklenemeyeceği.
Çalışmanızı denetlemeden önce tüm soruları yanıtlamalısınız.
Bu sayfayı yararlı buldunuz mu?
Bu konu hakkında yardıma mı ihtiyacınız var?
Bu konuyu açıklığa kavuşturmak veya bu konuda size yol göstermek için Ask Learn'ü kullanmayı denemek ister misiniz?