现在做基于Embedding的文档问答已经不是什么新鲜事,但是这个视频还是值得一看,主要是他介绍了几种不同的生成问答结果的方式:
现在做基于Embedding的文档问答已经不是什么新鲜事,但是这个视频还是值得一看,主要是他介绍了几种不同的生成问答结果的方式:1.Stuff,我们熟知的把找到的文档块和问题一起扔给LLM总结2.Map_reduce,对每一个文档块和问题分别人给LLM,最后把所有结果一起摘要,适用于文档类型不同,或者找到的文档太多的情况,可以并行处理3.Refine和Map_reduce类似,只是它是线性的,第一个回答完,将第一个得到的内容和第二个文档块还有问题一起给LLM,所以没法并行处理4.Map_rereank也和前面两个类似,但是它也是每个文档块去独立拿结果,但同时让LLM打分,最后根据打分情况来选分数最高的。这个的关键在于LLM能对结果打分。BTW:这个LangChain的系列字幕翻译进度很慢,是因为主讲的这哥们讲课水平比起Isa姐姐水平差太多,很多问题讲不清楚,如果按照字面意思翻译很难看懂,所以需要在翻译时帮助改写或者补充很多信息基于LangChain的大语言模型应用开发5——基于文档的问答LangChainforLLMApplicationDevelopment基于LangChain的大语言模型应用开发第5集QuestionandAnsweroverDocuments基于文档的问答频道:@chiguadashen
在Telegram中查看相关推荐
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人