RM新时代网站-首页

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

直播預(yù)告 大模型 + 知識庫(RAG):如何使能行業(yè)數(shù)智化?

jf_81200783 ? 來源:jf_81200783 ? 作者:jf_81200783 ? 2024-11-26 23:49 ? 次閱讀

轉(zhuǎn)眼,2024年接近尾聲。今年,“華為大咖直播間”已成功舉辦7場直播,分享華為行業(yè)數(shù)字化轉(zhuǎn)型經(jīng)驗,涵蓋建筑、鋼鐵、有色、冶煉、交通、油氣等行業(yè),不斷塑造時習(xí)知“數(shù)字化轉(zhuǎn)型同路人”的品牌形象。最近,有小伙伴留言稱工作中常遇到知識管理問題:知識管理雜亂無章、查找費(fèi)時費(fèi)力,而且信息孤島嚴(yán)重、知識難以共享,團(tuán)隊成員總是重復(fù)勞動;希望能安排一場直播介紹如何通過智能化手段解決知識管理的問題。

小時馬上聯(lián)系華為人工智能專家史啟權(quán)老師,向他請教。近期,史老師正在深入研究大模型+知識庫(RAG)如何在企業(yè)快速落地,請他來解答知識管理智能化問題再合適不過了。

Q1企業(yè)知識管理雜亂無章的問題該如何解決?

史啟權(quán)老師:可以通過構(gòu)建知識庫來解決。在信息爆炸的時代,各個行業(yè)都面臨海量數(shù)據(jù)帶來的挑戰(zhàn)與機(jī)遇,將數(shù)據(jù)有效轉(zhuǎn)化為知識對企業(yè)發(fā)展至關(guān)重要。行業(yè)知識庫作為連接數(shù)據(jù)與智慧的核心平臺,能夠助力企業(yè)提升效率并減少決策失誤。大模型憑借其強(qiáng)大的語義理解與生成能力,可以自動構(gòu)建行業(yè)知識庫,提升效率、降低成本并實(shí)現(xiàn)動態(tài)更新,具體而言就是大模型+知識庫(RAG)的技術(shù)組合。

Q2什么是大模型+知識庫(RAG)?

史啟權(quán)老師:基于大模型+知識庫結(jié)合檢索技術(shù)形成的 RAG(Retrieval-AugmentedGeneration)系統(tǒng)平臺,有效解決了大模型落地的高成本與幻覺問題。RAG 通過行業(yè)知識庫中的精準(zhǔn)專業(yè)知識約束大模型生成過程,為企業(yè)提供快速、精準(zhǔn)且全面的知識服務(wù),滿足企業(yè)低成本應(yīng)用大模型的需求,推動企業(yè)數(shù)智化轉(zhuǎn)型。

Q3 大模型+知識庫(RAG)有什么價值?

史啟權(quán)老師:大模型時代,企業(yè)知識庫已不再是簡單的數(shù)據(jù)堆砌,需要智能化、高效率的知識管理和利用。大模型+知識庫(RAG)的應(yīng)用場景包括智能搜索、智能審核、智能客服、統(tǒng)一知識管理等,可以將海量數(shù)據(jù)高效地轉(zhuǎn)化為知識,構(gòu)建全局的智能知識管理系統(tǒng),完成人與知識、業(yè)務(wù)與知識間的互動和融合。通過大模型+知識庫(RAG)系統(tǒng)平臺,實(shí)現(xiàn)從原來的人找知識、業(yè)務(wù)積累知識,變?yōu)橹R更加主動精準(zhǔn)地找人,知識內(nèi)容能夠深入影響具體業(yè)務(wù),真正幫助企業(yè)提質(zhì)增效。

那么,到底該如何基于大模型構(gòu)建行業(yè)知識庫呢?目前業(yè)界有沒有應(yīng)用大模型+知識庫(RAG)的成功案例?華為在大模型+知識庫(RAG)方面又有哪些技術(shù)探索呢?想要解鎖問題的答案,請關(guān)注史老師近期的直播——《大模型+知識庫(RAG):如何使能行業(yè)數(shù)智化?》。

wKgZPGdF7diALPA0AAaVrnS5LhU470.png

本次直播將以大模型知識庫為切入點(diǎn),清晰闡述知識庫的價值,詳細(xì)揭示大模型與知識庫結(jié)合的過程,并分享利用大模型+知識庫(RAG)使能行業(yè)數(shù)智化轉(zhuǎn)型的實(shí)踐經(jīng)驗。直播將于?11 月 27 日(周三)19:00 開始https://hw.shixizhi.huawei.com/live/viewer.htm?actId=m1l03pjo&liveId=1856237748014366721&tenant_id=1390222376536522753&sxz-lang=zh_CN,預(yù)約直播!

wKgZPGdF7eqAJH-oABAOfyftr2g196.png

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 華為云
    +關(guān)注

    關(guān)注

    3

    文章

    2445

    瀏覽量

    17408
  • 大模型
    +關(guān)注

    關(guān)注

    2

    文章

    2423

    瀏覽量

    2640
收藏 人收藏

    評論

    相關(guān)推薦

    借助浪潮信息元腦企智EPAI高效創(chuàng)建大模型RAG

    面對大量不斷迭代的新知識,大模型必須“終身學(xué)習(xí)”才能滿足實(shí)際應(yīng)用的需求。RAG(Retrieval-augmented Generation,檢索增強(qiáng)生成)讓生成式大模型能夠利用外部的
    的頭像 發(fā)表于 12-19 14:32 ?127次閱讀
    借助浪潮信息元腦企智EPAI高效創(chuàng)建大<b class='flag-5'>模型</b><b class='flag-5'>RAG</b>

    RAG的概念及工作原理

    )與外部知識源集成,增強(qiáng)了其能力。這種集成允許模型動態(tài)地引入相關(guān)信息,使其能夠生成不僅連貫而且事實(shí)準(zhǔn)確、上下文相關(guān)的回應(yīng)。RAG系統(tǒng)的主要組成部分包括: ·檢索器(Retriever): 該組件從外部
    的頭像 發(fā)表于 12-17 13:41 ?117次閱讀
    <b class='flag-5'>RAG</b>的概念及工作原理

    【書籍評測活動NO.52】基于大模型RAG應(yīng)用開發(fā)與優(yōu)化

    數(shù)據(jù)與上下文,以幫助大模型生成更豐富、更準(zhǔn)確、更可靠的內(nèi)容。這允許大模型在生成內(nèi)容時可以依賴實(shí)時與個性的數(shù)據(jù)和知識,而不只是依賴訓(xùn)練知識。
    發(fā)表于 12-04 10:50

    浪潮信息發(fā)布“源”Yuan-EB助力RAG檢索精度新高

    智EPAI為構(gòu)建企業(yè)知識庫提供更高效、精準(zhǔn)的知識向量化能力支撐,助力用戶使用領(lǐng)先的RAG技術(shù)加速企業(yè)知識資產(chǎn)的價值釋放。
    的頭像 發(fā)表于 11-26 13:54 ?171次閱讀
    浪潮信息發(fā)布“源”Yuan-EB助力<b class='flag-5'>RAG</b>檢索精度新高

    使用OpenVINO和LlamaIndex構(gòu)建Agentic-RAG系統(tǒng)

    解決大語言模型知識時效性和專業(yè)性上的不足。但同時傳統(tǒng)的 RAG 系統(tǒng)也有它的缺陷,例如靈活性較差,由于 RAG 會過分依賴于向量數(shù)據(jù)的檢
    的頭像 發(fā)表于 10-12 09:59 ?253次閱讀
    使用OpenVINO和LlamaIndex構(gòu)建Agentic-<b class='flag-5'>RAG</b>系統(tǒng)

    【實(shí)操文檔】在智能硬件的大模型語音交互流程中接入RAG知識庫

    非常明顯的短板。盡管這些模型在理解和生成自然語言方面有極高的性能,但它們在處理專業(yè)領(lǐng)域的問答時,卻往往不能給出明確或者準(zhǔn)確的回答。 這時就需要接一個專有知識庫來滿足產(chǎn)品專有和專業(yè)知識的回復(fù)需求,理論
    發(fā)表于 09-29 17:12

    TaD+RAG-緩解大模型“幻覺”的組合新療法

    TaD:任務(wù)感知解碼技術(shù)(Task-aware Decoding,簡稱TaD),京東聯(lián)合清華大學(xué)針對大語言模型幻覺問題提出的一項技術(shù),成果收錄于IJCAI2024。 RAG:檢索增強(qiáng)生成技術(shù)
    的頭像 發(fā)表于 07-16 15:01 ?2035次閱讀
    TaD+<b class='flag-5'>RAG</b>-緩解大<b class='flag-5'>模型</b>“幻覺”的組合新療法

    視語坤川大模型智能體平臺亮相2024世界人工智能大會

    視語坤川大模型智能體平臺兼容多種多尺寸的大語言模型及多模態(tài)模型,并可以使用訓(xùn)推平臺組件進(jìn)行模型微調(diào),以適配不同的應(yīng)用場景。平臺還具備外掛知識庫
    的頭像 發(fā)表于 07-09 14:38 ?237次閱讀
    視語坤川大<b class='flag-5'>模型</b>智能體平臺亮相2024世界人工智能大會

    如何手?jǐn)]一個自有知識庫RAG系統(tǒng)

    用于自然語言處理任務(wù),如文本生成、問答系統(tǒng)等。 我們通過一下幾個步驟來完成一個基于京東云官網(wǎng)文檔的RAG系統(tǒng) 數(shù)據(jù)收集 建立知識庫 向量檢索 提示詞與模型 數(shù)據(jù)收集 數(shù)據(jù)的收集再整個RAG
    的頭像 發(fā)表于 06-17 14:59 ?568次閱讀

    模型應(yīng)用之路:從提示詞到通用人工智能(AGI)

    鋪平道路。 基于AI大模型的推理功能,結(jié)合了RAG(檢索增強(qiáng)生成)、智能體(Agent)、知識庫、向量數(shù)據(jù)、知識圖譜等先進(jìn)技術(shù),我們向?qū)崿F(xiàn)
    的頭像 發(fā)表于 06-14 10:20 ?2178次閱讀
    大<b class='flag-5'>模型</b>應(yīng)用之路:從提示詞到通用人工智能(AGI)

    【大語言模型:原理與工程實(shí)踐】大語言模型的應(yīng)用

    實(shí)際應(yīng)用前需解決的挑戰(zhàn)。為提升大語言模型的性能,高級的提示詞技術(shù)可以促進(jìn)大語言模型與環(huán)境進(jìn)行動態(tài)交互,引導(dǎo)其生成和推理規(guī)劃。 檢索增強(qiáng)生成技術(shù)(RAG)的核心理念在于從知識庫或互聯(lián)網(wǎng)
    發(fā)表于 05-07 17:21

    什么是RAG,RAG學(xué)習(xí)和實(shí)踐經(jīng)驗

    高級的RAG能很大程度優(yōu)化原始RAG的問題,在索引、檢索和生成上都有更多精細(xì)的優(yōu)化,主要的優(yōu)化點(diǎn)會集中在索引、向量模型優(yōu)化、檢索后處理等模塊進(jìn)行優(yōu)化
    的頭像 發(fā)表于 04-24 09:17 ?875次閱讀
    什么是<b class='flag-5'>RAG</b>,<b class='flag-5'>RAG</b>學(xué)習(xí)和實(shí)踐經(jīng)驗

    英特爾集成顯卡+ChatGLM3大語言模型的企業(yè)本地AI知識庫部署

    在當(dāng)今的企業(yè)環(huán)境中,信息的快速獲取和處理對于企業(yè)的成功至關(guān)重要。為了滿足這一需求,我們可以將RAG技術(shù)與企業(yè)本地知識庫相結(jié)合,以提供實(shí)時的、自動生成的信息處理和決策支持。
    的頭像 發(fā)表于 03-29 11:07 ?784次閱讀
    英特爾集成顯卡+ChatGLM3大語言<b class='flag-5'>模型</b>的企業(yè)本地AI<b class='flag-5'>知識庫</b>部署

    Zilliz攜手大模型生態(tài)企業(yè)玩轉(zhuǎn)GDC 2024,向量數(shù)據(jù)RAG行業(yè)焦點(diǎn)

    3 月 23 日-24 日,聚焦全球開發(fā)者精英,由上海市人工智能行業(yè)協(xié)會(SAIA)主辦的 2024 全球開發(fā)者先鋒大會(2024 GDC)在上海舉辦。Zilliz 作為向量數(shù)據(jù)賽道的領(lǐng)軍者,受邀
    的頭像 發(fā)表于 03-26 11:14 ?361次閱讀
    Zilliz攜手大<b class='flag-5'>模型</b>生態(tài)企業(yè)玩轉(zhuǎn)GDC 2024,向量數(shù)據(jù)<b class='flag-5'>庫</b>和<b class='flag-5'>RAG</b>成<b class='flag-5'>行業(yè)</b>焦點(diǎn)

    利用知識圖譜與Llama-Index技術(shù)構(gòu)建大模型驅(qū)動的RAG系統(tǒng)(下)

    對于語言模型(LLM)幻覺,知識圖譜被證明優(yōu)于向量數(shù)據(jù)。知識圖譜提供更準(zhǔn)確、多樣、有趣、邏輯和一致的信息,減少了LLM中出現(xiàn)幻覺的可能性
    的頭像 發(fā)表于 02-22 14:13 ?1196次閱讀
    利用<b class='flag-5'>知識</b>圖譜與Llama-Index技術(shù)構(gòu)建大<b class='flag-5'>模型</b>驅(qū)動的<b class='flag-5'>RAG</b>系統(tǒng)(下)
    RM新时代网站-首页