Retrieval-Augmented Generation for Large Language Models: A Survey阅读笔记

 论文链接：https://arxiv.org/pdf/2312.10997.pdf

GitHub链接：https://github.com/Tongji-KGLLM/RAG-Survey

不管看啥，看survey最能get全，今天咱们读一篇文献综述，然后我就要去写自己的研究框架了。希望这篇文章能给我力量！Power！！！YesYes，依旧还是关于RAG的内容。目前大语言模型的弊端已经人尽皆知，幻想就别提了，永远过时的知识储备，不透明没法溯源的推理过程，让人没头脑。于是呼风唤雨使出来了一堆新方案，Retrieval-Augmented Generation (RAG) 就是其中之一。复旦和同济大学的朋友们围绕RAG整了一篇survey，这篇综述主要分析了RAG的范式及其演变，RAG的主要技术（检索、生成和增强），测评RAG模型的指标和benchmark，测评框架。大概就是这些，接下来不细致得展开一下！

RAG，简明扼要得说就是在LLM要根据query生成answer前，咱们在外部数据上retrieve一下根据得到的相关信息，反哺给LLM，如下图示例：