下载掌阅APP，畅读海量书库
立即打开
本章首先介绍了现有的大模型存在知识更新、不可解释性、训练成本、数据泄露等问题，引出RAG系统，然后简要介绍了RAG系统的构成、优缺点、使用场景及面临的挑战。在实际应用中，一方面，我们会尽可能地考虑如何优化RAG系统的召回部分，这里涉及很多技巧，在本书的第二部分将重点进行介绍。另一方面，还需考虑如何让大模型有选择地利用检索到的知识，而非盲目地生成答案。这可以概括为模型偏好的问题。在RAG系统中，这个偏好分为内容风格偏好和选择性使用检索知识的知识偏好，它会训练大模型以生成更有价值、更受欢迎的内容。在后续章节中，我们将具体分析检索—生成两阶段的核心算法以及如何优化RAG系统。