V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
wencan
V2EX  ›  OpenAI

哪个 rag 系统比较靠谱?

  •  
  •   wencan · 25 天前 · 631 次点击

    之前在 DIFY 上测试了体检报告的效果,基本是个笑话。

    于是降低要求
    找了份科幻小说 txt 文件:猎户座防线

    上传到 DIFY 的知识库,配置都选默认
    模型有:chatgpt3.5 、月之暗面 v1 、glm4 、文心一言刚免费的 speed 。

    效果只举两个例子
    小说中反复提到“大副迪尔”,还有这么一段:

        “我来自丹那芭⑤”她说,“你知道那儿吗?”
        “不。”
        “它距离地球 1600 光年……
    

    问“丹那芭距离地球多少光年?”,基本都能答对,这点我有点小惊讶。
    问“迪尔是什么职务”,居然都回答不知道或者说文中没提。

    不甘心,打开 kimi ,上传文件,问“迪尔是什么职务”,kimi 马上答上了

    第 1 条附言  ·  24 天前
    dify 上换上 https://github.com/netease-youdao/BCEmbedding 的 embedding 和 rerank 模型,效果杠杠的
    5 条回复    2024-05-27 01:15:39 +08:00
    gaobh
        1
    gaobh  
       25 天前 via iPhone
    fastgpt 效果好
    nnqijiu
        2
    nnqijiu  
       25 天前
    WPS AI 的 rag 不错,不过好像收费了
    xenoblade
        3
    xenoblade  
       25 天前
    我认为这个例子其实应该归类为“RAG VS 长上下文”,恰恰说明了长上下文在有限信息的 QA 中完胜 RAG 。
    目前 langchain 系的 通用 RAG 系统上限就在那里了,要想达到更高的精确度需要对不同领域进行微调,例如例子中读书场景的 prompt 优化、chunk 分割的人工干预。
    wencan
        4
    wencan  
    OP
       24 天前
    @xenoblade rag 也属于上下文
    dify 上换上 https://github.com/netease-youdao/BCEmbedding 的 embedding 和 rerank 模型,效果杠杠的
    butterls
        5
    butterls  
       20 天前 via Android
    主要是只有切片会丢失上下文,RAG 里要存的实际是类似知识图谱的上下文数据,比如你要做代码仓分析,rag 就能查到函数块,上下文引用,宏定义啥的都米有,那分析结果就跟个二傻子一样
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2594 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 09:15 · PVG 17:15 · LAX 02:15 · JFK 05:15
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.