Search

Tag: #rag131 results

在資料所在之處建構 AI 代理

AWS 介紹整合於現有資料庫與儲存服務中的向量搜尋能力，無需額外部署獨立向量資料庫或遷移資料。文章比較六項專用服務，並提供選擇合適向量引擎的決策框架。

AWS Machine Learning BlogOfficial•1d ago#vector-search#rag#databases

Sentence Transformers 支援多向量嵌入模型

Hugging Face Blog 介紹如何使用 Sentence Transformers 實作多向量（或晚期互動）嵌入模型。這種方法以多個向量而非單一嵌入表示輸入，能進行更細緻的相似度匹配。

Hugging Face BlogOfficial•4d ago#embedding-models#late-interaction#rag

大廠搶灘 AI 高考志願填報市場

阿里巴巴、騰訊與百度等大型科技公司正部署 AI Agent，以填補高考志願填報的市場空白，旨在透過數據驅動的演算法取代人類專家。

虎嗅Media•Jul 3#llm#rag#agent

AI 鍵值記憶與大腦記憶邏輯的驚人相似性

2025年發表於《Neuron》的研究顯示，AI的鍵值記憶架構與人類大腦的記憶邏輯高度相似，特別是大腦海馬體與新皮層之間的分工。

虎嗅Media•May 15#neuroscience#rag#memory-architecture

語意層揭露隱藏的上下文錯誤

對 101 家企業的調查發現，68% 曾將代理程式自信卻錯誤的答案，追溯至缺失或不一致的業務上下文。正在建置受治理語意層的企業回報重複性錯誤比例為 50%，超過未使用語意層企業的 21%；這表示語意層是在揭露問題，而非造成問題。

VentureBeatMedia•Aug 12#semantic-layer#rag#retrieval

何時該使用 GraphRAG 而非傳統向量 RAG？

GraphRAG 透過知識圖譜連結分散的數據點，解決了傳統向量 RAG 的局限性。雖然它在處理全局查詢與複雜推理時表現優異，但相比單純的相似度搜尋，它需要更高的運算成本。

VentureBeatMedia•Aug 2#rag#knowledge-graph#llm-architecture

HG-RAG：用於結構化知識圖譜的層級引導檢索增強生成

HG-RAG 是一個新的框架，透過遍歷層級化知識圖譜而非平面文件儲存，提升了 RAG 的效能。它使 LLM 能夠進行更好的關聯與多跳推理，同時減少幻覺。

ArXiv AIResearch•Jul 17#rag#knowledge-graph#graph-traversal