来啦，很久没给大家更新大模型的新书了，这次拿到了这本24年9月的新书，给大家详细介绍一波，就是这本
这是一本全面讲解RAG技术原理、实战应用与系统构建的著作。作者结合自身丰富的实战经验，详细阐述了RAG的基础原理、核心组件、优缺点以及使用场景，同时探讨了RAG在大模型应用开发中的变革与潜力。
书中不仅揭示了RAG技术背后的数学原理，还通过丰富的案例与代码实现，引导读者从理论走向实践，轻松掌握RAG系统的构建与优化。无论你是深度学习初学者，还是希望提升RAG应用技能的开发者，本书都将为你提供宝贵的参考与指导。
👉CSDN大礼包🎁：这本《大模型RAG实战-RAG原理、应用与系统构建》下载打包好了，免费分享（安全链接，放心点击）👈
通过阅读本书，你将掌握以下知识：
RAG的召回和生成模块算法
高级RAG系统的构建技巧
RAG系统的各种训练方法
RAG的范式变迁
零基础搭建RAG系统
高级RAG系统微调与搭建
汪鹏
资深NLP技术专家和AI技术专家，拥有多年NLP落地经验。擅长结合用户场景，针对性地设计图谱、问答、检索、多模态、AIGC等相关的算法和落地方案。在Kaggle获得多枚奖牌，等级master。拥有公众号“NLP前沿”。
谷清水
毕业于清华大学，有国内多家大厂工作经历，7年深度学习项目开发经验。在KDD-CUP等机器学习竞赛中多次获奖，持有多项发明专利。知乎ID：“战士金”。
卞龙鹏
某上市公司资深AI算法工程师，多年互联网一线工作经验，10年机器学习与数据挖掘经验。持多项发明专利，发表多篇SCI文章，主攻机器视觉、模式识别、自然语言处理。
第1章 RAG与大模型应用 2
- 1.1 大模型应用的方向：RAG 2
- 1.2 为什么需要RAG 6
- 1.3 RAG的工作流程 9
- 1.4 RAG的优缺点 12
- 1.5 RAG的使用场景 14
- 1.6 RAG面临的挑战 16
- 1.7 本章小结 19
第2章 语言模型基础 20
- 2.1 Transformer 20
- 2.2 自动编码器 41
- 2.3 自回归模型 47
- 2.4 本章小结 56
第3章 文本召回模型 58
- 3.1 文本召回模型基础 58
- 3.2 稠密向量检索模型 61
- 3.3 稀疏向量检索模型 67
- 3.4 重排序模型 71
- 3.5 本章小结 72
第4章 RAG核心技术与优化方法 74
- 4.1 提示词工程 74
- 4.2 文本切块 83
- 4.3 向量数据库 87
- 4.4 召回环节优化 94
- 4.5 效果评估 107
- 4.6 LLM能力优化 115
- 4.7 本章小结 120
第5章 RAG范式演变 121
- 5.1 基础RAG系统 121
- 5.2 先进RAG系统 125
- 5.3 大模型主导的RAG系统 127
- 5.4 多模态RAG系统 131
- 5.5 本章小结 135 ###第6章 RAG系统训练 136
- 6.1 RAG系统的训练难点 136
- 6.2 训练方法 138
- 6.3 独立训练 138
- 6.4 序贯训练 139
- 6.5 联合训练 143
- 6.6 本章小结 149
第7章 基于LangChain实现RAG应用 152
- 7.1 LangChain基础模块 152
- 7.2 基于LangChain实现RAG 156
- 7.3 基于Streamlit搭建一个ChatPDF可视化应用 158
- 7.4 本章小结 161
第8章 RAG系统构建与微调实战 162
- 8.1 向量模型构建 162
- 8.2 大模型指令微调 175
- 8.3 复杂问题处理 179
- 8.4 本章小结 203
👉CSDN大礼包🎁：这本《大模型RAG实战-RAG原理、应用与系统构建》下载打包好了，免费分享（安全链接，放心点击）👈